采用人工智能的工作負(fù)載如今變得無處不在，其中有的工作負(fù)載在世界上運行最快的計算機上運行，從而改進高性能計算(HPC)。隨著組織規(guī)劃未來的發(fā)展，需要解決人工智能工作負(fù)載的編程、軟件需求、硬件需求和培訓(xùn)需求等問題。在2019年，行業(yè)專家和人工智能專家將繼續(xù)創(chuàng)造創(chuàng)新的解決方案。

　　以下是人工智能在2019年對高性能計算產(chǎn)生最大影響的十種方式：

　　1. 張量(Tensors)：人工智能計算的通用語言

　　向量代數(shù)的應(yīng)用催生出為向量計算設(shè)計的計算機。Cray公司早期推出的超級計算機就是一種向量超級計算機，它將應(yīng)用程序表達(dá)為向量和矩陣代數(shù)問題，這反過來又加強了計算機的設(shè)計，以確保向量計算的快速運行。多年來，這種強化循環(huán)強烈定義了高性能計算(HPC)。張量代數(shù)可以被接受為廣義矩陣代數(shù)，因此它是超級計算機數(shù)學(xué)能力的自然演化，而不是一場革命。任何支持矩陣運算的機器都可以進行張量運算。如今的CPU的用戶采用編譯器，加速采用Pythons，加強庫和優(yōu)化框架的支持，獲得對向量和張量的高性能支持，所有這些都允許軟件開發(fā)人員使用高性能環(huán)境中的向量和張量。

　　張量技術(shù)在硬件、軟件和人們的思想上都在高性能計算應(yīng)用中留下了深刻的印象。

　　2.語言：高級程序設(shè)計

　　Fortran程序在消耗周期方面占據(jù)了高性能計算的主導(dǎo)地位，C和C ++程序幾乎耗盡了高性能計算中的其他資源。通常通過C接口、擴展和庫來支持加速器周期。嘗試使用新語言來破壞這種情況已經(jīng)失敗，因為現(xiàn)有語言具有適合構(gòu)成高性能計算的應(yīng)用程序的用戶、代碼和支持。

　　人工智能為新用戶帶來了新的需求，這將擴展與高性能計算相關(guān)的語言，并不會改變大多數(shù)使用Fortran代碼的物理學(xué)家的活動，但使用MATLAB和Python的數(shù)據(jù)科學(xué)家需要根據(jù)他們的需求量身定制解決方案。

　　Python以及其他生產(chǎn)力語言和框架似乎將成為越來越多的高性能計算(HPC)周期的主人。他們的實際數(shù)字運算程序仍將用C/C ++/Fortran編寫，但人工智能程序員既不會知道，也不會關(guān)心它。

　　3.以不同方式思考：通過利用機會重新思考方法來替換遺留代碼

　　高性能計算(HPC)是一種傳統(tǒng)技術(shù)，人工智能相對來說是一種新技術(shù)。顯然，隨著人工智能的成熟，它將創(chuàng)造自己需要支持的重要遺產(chǎn)。就目前而言，當(dāng)這兩種技術(shù)結(jié)合時，它將鼓勵有關(guān)重新實現(xiàn)遺留代碼的對話，這在某些情況下可能已經(jīng)過期。其借口可能是為代碼添加一些人工智能功能，但現(xiàn)實將是一些有益的努力以及一些嚴(yán)重的時間浪費。

　　4.可移植性和安全性：虛擬化和容器

　　可以安全地在機器上運行嗎?這是虛擬化和容器試圖解決的安全性和可移植性問題。當(dāng)然，安全性來自于良好構(gòu)建的硬件和軟件的安全功能。對于許多人來說，虛擬化和容器似乎是最好的組合。

　　容器已引起許多開發(fā)人員對虛擬機的關(guān)注，因為在部署、修補、云計算多功能性方面，它們被視為比虛擬機更靈活，并且可以節(jié)省虛擬機許可成本。

　　在面向高性能計算或人工智能的會議上談?wù)撊萜骷夹g(shù)似乎并沒有太大的進展，這并不奇怪。例如，Python和Julia在精心配置時可以更好地擴展，而容器可以幫助部署。

　　容器提供了一種為用戶提供良好調(diào)整環(huán)境的自然方式，高性能計算行業(yè)將在2019年看到越來越多的容器使用，部分原因是由于人工智能用戶的興趣。毫無疑問，高性能計算會對其實例施加壓力，這是需要優(yōu)化的生態(tài)系統(tǒng)。這個領(lǐng)域正在進行這方面的大量工作，高性能計算的社區(qū)將幫助所有人實現(xiàn)這一目標(biāo)，以滿足對容器的渴望。

　　5.規(guī)模問題：大數(shù)據(jù)

　　哪里有人工智能，哪里就有大數(shù)據(jù)。人工智能社區(qū)的主要關(guān)注點是在使用非常大的數(shù)據(jù)模型中獲取意義。采用的高性能計算應(yīng)用程序需要大量文件，許多高性能計算運行中心已經(jīng)有很多基礎(chǔ)設(shè)施可以很好地處理大數(shù)據(jù)問題。

　　所有高性能計算中心都將大數(shù)據(jù)作為新系統(tǒng)的主要要求考慮在內(nèi)，人工智能工作負(fù)載是大數(shù)據(jù)需求的主要動力。

　　內(nèi)存的價格高昂，但人們已經(jīng)看到內(nèi)存容量與flop/s的比率多年來一直在下降。這是影響大數(shù)據(jù)發(fā)展的趨勢。圍繞內(nèi)存的新功能提供了扭轉(zhuǎn)這一趨勢的希望，并支持人們需要的大型機器(包括高性能計算機)中的大數(shù)據(jù)模型。這些新的內(nèi)存技術(shù)提供了內(nèi)存和本地存儲器(SSD)的擴展。

　　高性能計算對于人工智能的發(fā)展發(fā)揮重要作用。組織希望把數(shù)據(jù)放在離處理器更近的地方，這是最適合做真實數(shù)據(jù)可視化的處理器，是高性能計算影響人工智能/機器學(xué)習(xí)的最大方式之一。使用和理解大數(shù)據(jù)的概念，以及可視化數(shù)據(jù)和分析，是相互交織的。

　　6. 人工智能采用云計算

　　人工智能開發(fā)人員可能比高性能計算開發(fā)人員更多地接受云計算。雖然應(yīng)用在云中的高性能計算已經(jīng)出現(xiàn)，但是針對人工智能應(yīng)用的高性能計算將加速云中的高性能計算。

　　7.硬件：，專注于庫和框架的交互式功能

　　人工智能的工作量并不大。這意味著少數(shù)庫接口和框架支配 “人工智能加速器”需要作為賣點。

　　交互性是一個長期存在的請求，通常在高性能計算系統(tǒng)中一直處于“次要地位”，被人工智能程序員直接置于前沿和核心。高性能計算這種變化的速度還有待觀察，但2019年這一領(lǐng)域的創(chuàng)新將是值得注意的，即使是零散的和有些隱蔽的。交互性也可以稱為“個性化”。

　　高性能計算支持更多的硬件多樣性、交互性支持以及針對性能優(yōu)化的額外庫/框架抽象，以支持人工智能工作負(fù)載。高性能計算社區(qū)對性能的關(guān)注將有助于說明基礎(chǔ)設(shè)施的額外融合將有利于數(shù)據(jù)中心部署。沒有人愿意放棄性能，如果不必這樣做，高性能計算社區(qū)的專業(yè)知識將有助于商品化人工智能/機器學(xué)習(xí)的性能，從而導(dǎo)致社區(qū)之間更多的硬件技術(shù)融合。

　　8.人員融合：用戶多樣性和對高性能計算的興趣增加

　　人工智能將注入許多不同背景的新人才。人工智能將以前所未有的規(guī)模給高性能計算帶來民主化。在過去的幾年中，“高性能計算的民主化”這個短語用于描述高性能計算如何被工程師和科學(xué)家群體的訪問。數(shù)學(xué)和物理問題可能推動了早期的超級計算工作量，但最近越來越多的用戶發(fā)現(xiàn)，在醫(yī)學(xué)、天氣預(yù)報和風(fēng)險管理等領(lǐng)域，高性能計算工作量是不可或缺的。

　　人工智能的用戶群體比高性能計算要廣泛得多，給高性能計算的民主化帶來了全新的維度。如今，高性能計算專家和人工智能專家正在聯(lián)合起來進行開發(fā)。

　　9.新投資：推理

　　機器學(xué)習(xí)通常被認(rèn)為是由稱為“訓(xùn)練”的學(xué)習(xí)階段和稱為“推理”的實施階段組成。似乎需要更多的周期來進行推理，而不是進行訓(xùn)練，特別是當(dāng)人們看到機器學(xué)習(xí)無處不在地嵌入到周圍的解決方案中時。

　　有了如此巨大的市場機會，讓人覺得整個世界都在試圖從這一推理市場中獲得更大的份額。推理已經(jīng)在處理器、FPGA、GPU、DSP和大量定制ASIC上實現(xiàn)。功率、延遲和總體成本是關(guān)鍵因素，這些因素為人們提供了一系列具有不同賣點的選項。高性能CPU加上低延遲、易于重新編程和可預(yù)測延遲的FPGA似乎是補充當(dāng)前CPU主導(dǎo)的推導(dǎo)世界的合理選擇。時間會證明一切。

　　人們將發(fā)現(xiàn)推理工作負(fù)載將對包括高性能計算在內(nèi)的所有計算產(chǎn)生重大影響。

　　10.應(yīng)用程序的融合：不是在“重新思考”之后進行更換

　　擴展工作負(fù)載多樣性，并將看到各種工作負(fù)載進行融合。那些有遠(yuǎn)見的人已經(jīng)證明，當(dāng)高性能計算機和人工智能結(jié)合在一起時，有許多機會。從將系統(tǒng)集成到能夠預(yù)測極端天氣(如颶風(fēng))的模式，再到氣候或天氣預(yù)報系統(tǒng)?，F(xiàn)在出現(xiàn)了各種想法。生成對抗網(wǎng)絡(luò)(GAN)是許多人高度重視的一類機器學(xué)習(xí)系統(tǒng)，生成對抗網(wǎng)絡(luò)(GAN)無疑將有助于融合高性能計算和人工智能/機器學(xué)習(xí)工作。

　　雖然現(xiàn)在很少有應(yīng)用程序結(jié)合高性能計算和人工智能技術(shù)，而基于該領(lǐng)域的早期結(jié)果，很容易預(yù)測這是高性能計算應(yīng)用程序的未來，并將構(gòu)成高性能計算因人工智能而面臨的最大變化。

　　理解這十種方式

　　計算的故事在某種意義上并沒有改變：它完全取決于整個系統(tǒng)對用戶的作用。雖然需求發(fā)生變化，但完整系統(tǒng)由硬件和軟件組成的事實并沒有改變。很容易被單一技術(shù)(硬件或軟件)分散注意力，最好的系統(tǒng)會在最有幫助的地方小心地應(yīng)用新技術(shù)。

　　結(jié)論：人工智能將使用高性能計算，并將永遠(yuǎn)改變

　　事實上，人工智能可能是高性能計算歷史上最大的變革推動者。高性能計算不斷發(fā)展，因為已經(jīng)通過自己的工作負(fù)載來實現(xiàn)，并且它也將在人工智能中發(fā)展。

　　即人工智能用戶只需加入高性能計算社區(qū)并在其上加上自己的標(biāo)記。他們也將使用非高性能計算系統(tǒng)，就像其他高性能計算用戶一樣。

　　將有專為人工智能工作負(fù)載設(shè)計和構(gòu)建的定制高性能機器，而其他機器的人工智能工作負(fù)載也在具有非人工智能工作負(fù)載的更通用的高性能設(shè)施上運行。平衡機器在需要高性能靈活機器的情況下才能實現(xiàn)加速。人工智能將有助于未來定義什么成為超級計算機，因此可能將會調(diào)整高性能計算機的進程。