近日，福布斯刊登了一篇百度硅谷AI實驗室高級研究員Greg Diamos的署名文章，該文章指出，在人工智能領域芯片研發速度已經超過了人工智能算法，為了能更完全發揮當今人工智能芯片的威力，加快人工智能的技術進展，研發下一代算法成為了當務之急。
以下為署名文章全文：
在今年的GTC技術會議上，英偉達公司發佈了名為Volta的最新款GPU。這款GPU以Tensor Core人工智能加速器為核心。它的問世推動了許多原本看起來絕無可能的人工智能應用的誕生。有了這款GPU，人工智能算法就能更好地理解和生成人類的語言，改善語音識別系統，提高音頻轉文本的準確率，計算機的語言表達將具備與人類無異的聲音、風格和感情。
近年來，人工智能的巨大潛力促使眾多企業致力於研發出更加強大的芯片，如英偉達開發的GPU產品和谷歌開發的TPU產品正是人工智能芯片中的佼佼者。
這些芯片的共同點是都加入了位置定位的優化算法。只有當人工智能芯片和人工智能算法兩方面都支持位置技術時，才能發揮最大效用。儘管目前新問世的芯片為實現位置技術提供了設備條件，但大部分的人工智能算法尚不支持該技術的實現。這就意味著人工智能算法的研發速度還跟不上芯片，芯片的最大效用難以發揮。
人工智能芯片第一階段的研發目標是能同時執行多個並行任務。但芯片通常會遇到內存限制，也就是說芯片內存過小，不足以同時進行多個任務的計算。
要實現第二階段的目標，人工智能還需要利用位置技術。位置技術就是對同一個數據
執行多項任務。比如，如果你在雜貨店裡買東西，想要一次找齊購物清單上的所有東西，你可以請你的朋友每人幫你找一樣。這種方法雖然能夠同時執行，但效率仍然不高，因為有可能不同的東西就放在相近的地方。最好的辦法就是在每個貨道里安排一個朋友，讓這個朋友負責貨道里的所有商品，這種方法效率更高。位置技術就是這樣一種能夠提高效率的技術。
新一代人工智能芯片需要擁有強大位置技術的算法，但目前並不是所有算法都能夠執行這樣的任務。有些人工智能算法還不能揭示足夠的位置信息，無法發揮新一代人工智能芯片的全部性能。
百度硅谷人工智能實驗室嘗試了多種改進算法的方法，以期發揮位置技術的最大效用。初期實驗表明我們很有可能夠克服這些障礙。百度開發了持續性循環神經網絡，能在計算規模較小時，將計算速度提高至30倍，改善了普通循環神經網絡的位置功能。這是新算法研發的良好開端，但人工智能芯片的未來研發還需進一步加速。解決算法問題的另一個可能方向是將卷積神經網絡和復現的神經網絡整合起來，但最好的解決辦法目前還有待發現。
以深度學習為基礎的人工智能算法計算能力有限，需要更快速的計算機來實現新突破。當前算法已經實現重大突破，推動語音識別、機器翻譯和真實人類語音合成的巨大進步。硬件已經準備好迎接人工智能的下個階段，初步實驗也出現喜人跡象。因此我們相信我們正處在研發下一代算法的風口浪尖，這也正是我們的當務之急。我們希望能最大程度發揮當今人工智能芯片的計算能力，幫助我們實現新的突破。