咱们知道，曩昔几年AI实验运用的算力要比之前多得多。不过就在上个月，OpenAI进行的一项调查对这种开展速度有多快做出了一些开始估量。经过对AlphaGo Zero与AlexNet进行比较，他们发现现在最大型的实验是6年前最大型实验规划的300000倍。此间每年的最大型实验规划都呈现出指数性添加，每3.5月就翻番。
依照这种AI核算趋势，实验的添加率之快令人惊讶，值得进行一些剖析。本文将评论两个问题。榜首个是假如实验规划仍是添加得这么快的话，很快就会变得接受不起，所以这种趋势将渐近完毕。除非经济被完全重塑，不然这种趋势顶多只能保持3.5到10年，详细要看开支水平以及核算本钱怎么改动。第二个问题是假如这种趋势能再保持3.5年，则用于AI实验的核算量就会超越一些风趣的里程碑。尤其是，一次实验所用的核算将超越运用尖峰神经元模仿人脑 18年考虑所需的总量。大体而言，咱们能够说这种趋势将超越抵达成人智力水平所需的水平，假如赋予平等功率算法的话。在（1）、（2）节里，我将相应评论这些问题，而在（3）节，我会评论一下这一剖析的约束而且权衡这一作业将怎么影响AGI的猜测。
纵轴：AI练习所需的核算量，单位千亿次浮点运算
1、这个AI核算趋势还能保持多久？
要想弄清楚这种AI核算趋势在经济上还能持续多久，咱们需求知道三件工作：实验本钱的添加率，现在实验的本钱，以及未来一次实验能够接受的最大开支。
最大型的实验每3.5个月规划就翻番（每年大约添加一个数量级，也就是10倍。时刻测算=LOG(10,2)*3.5/12=0.9689年，约为1年），而每核算单位的本钱大约是每4-12年下降一个数量级（长期趋势是每4年本钱改善10倍，而近期趋势是每12年本钱改善10倍）。所以最大型实验的本钱每1.1-1.4年就添加一个数量级。
现在规划最大的实验是AlphaGo Zero，其本钱可能是1000万美元。
当然，实验规划能到多大体取决于谁来做。最有钱的玩家大约是美国政府。之前，美国用了GDP的1%来进行曼哈顿项目，而施行阿波罗计划期间往NASA投入了~0.5%的GDP。那咱们就假定相似地投入到AI实验的最大开支也能占到GDP的1%，也就是2000亿美元。鉴于一个数量级的添加所需时刻为1.1-1.4年，而开始实验规划为1000万美元，那么依照AI核算趋势猜测在5-6年时刻内咱们就将看到本钱达2000亿美元的实验。那么鉴于未来（美国）经济状况跟现在相似，到时将是这股AI核算趋势的完结。
咱们还能够考虑一下假如政府不参加的话这种趋势能持续多久。鉴于私营企业规划较小，其遭受经济门槛也会快一点。其间最大的是科技公司：Amazon和Google现在的研制预算大约是每年200亿美元，那么咱们能够假定政府以外最大的独立实验是200亿美元。则私营板块大约能跟上AI核算趋势的时刻为政府的3/4，也就是约3.5到4.5年。
另一方面，特定硬件的研制也可能令核算本钱变低，因而导致趋势保持更久一点。假如一些新硬件让核算廉价1000倍而且打破性价比摩尔定律的话，则这种经济门槛还能保持得久一点，大约还能持续3-4年。
为了让AI核算趋势保持真实长的时刻（超越10年），经济产出有必要以每年添加一个数量级的速度开展。这的确是十分极点的状况了，但也不是不可能，首要一点是要看某些极端强壮的AI技能能不能带来大规划的经济收益。
当然，重要的是要清楚这些数字都是上限，所以并不能扫除AI核算趋势更快间断（比方说假如AI研讨被证明经济性不如预期的话）的可能性，不管是俄然间断仍是渐渐停下来。
小结：AI核算快速开展的趋势难以为继，基本上无法超越3.5到10年。
2、AI核算趋势什么时分有可能打破AGI相关的里程碑？
第二个能够得出的定论是，假如AI核算趋势持续当时的节奏的话，就会打破某些风趣的里程碑。假如AI核算趋势持续3.5-10年，则最大型实验的规划估量将抵达10^7-5×10^13Petaflop（千万亿次浮点运算）/日，那么问题就是在该水平之下能抵达哪些里程碑。哪些里程碑可能会给AGI的开展做出奉献仍然是个争议论题，不过这儿有3个候选：
模仿儿童期间人类大脑所需的核算量
模仿人脑下围棋，直到Alphago Zero成为超人所需局数所需的核算量。
模仿人脑进化所需的核算量。
人类儿童的里程碑
关于创造出人工智能所需的核算量，一个天然的猜测是人脑所用的核算量。假定AI有（相关于人类）：
相似的功率算法来学习履行不同使命（各有不同的核算和数据）
内置到它的架构里边的相似常识，
相似的数据
满足的核算去模仿人类大脑运转18年，以满足细的颗粒度去捕捉大脑的智力体现。
然后，AI应该就能够像一位18岁的青少年相同处理相似规模内的问题了。
模仿大脑一秒钟所需的每秒浮点运算数量有许多测算。AI Impact搜集的数据得出的中位数是1018FLOPS（用霍奇金-哈斯利Hodgkin-Huxley方程来模仿），规模在3×10^13FLOPS（Moravec的估量）与1×10^25FLOPS（模仿代谢组）之间。运转这样的模仿18年适当于700万Petaflop。（规模在200-7×10^13Petaflop/s之间）。
那么依照最短的估量，比方Moravec的估量，咱们的核算现已足以超越人类儿童的里程碑了。而依照中位数测算以及Hodgkin-Huxley测算的话，咱们将在3.5年内抵达里程碑。
AlphaGo Zero游戏里程碑
关于人类儿童里程碑的一个贰言是AI体系现在比人学得慢（“slower-learners”）。AlphaGo Zero下了250万局围棋才变成超人，也就是说假如一局需求1小时的话就得下300年的围棋游戏。咱们或许会问，像人脑这么杂乱的东西要是运转300年而不是18年的话得要多久。答案是：为了抵达这一里程碑，趋势在抵达人类儿童里程碑之后还得再持续14个月。
大脑进化里程碑
一个愈加保存的里程碑是模仿一切神经进化所需的核算量。2012年Shulman和 Bostrom介绍了一种方法，那就是看看模仿神经体系进化的本钱。这需求模仿10^25个神经元10亿年间的进化。Shulman和 Bostrom估量模仿一个神经元1秒钟的本钱是1-10^10次浮点运算，这样的话模仿进化的总本钱就是3×10^21-3×10^31Petaflop/日。这个核算量太巨大了，比及AI核算趋势完毕的时分也还远远达不到。所以AI核算趋势并不能改动Shulman和 Bostrom做出的定论，即间隔咱们能模仿地球上的大脑进化还远着呢——哪怕开支能够快速添加也不可，这一核算里程碑需求摩尔定律再开展好几十年才可能抵达。
总的说来，咱们能够看到虽然大脑进化里程碑远远超出AI核算趋势之所能及，但其他的里程碑则未必。依照其间一些估量——尤其是代谢组估量的规范，人类儿童和AlphaGo Zero游戏里程碑也无法抵达。但假如未来几年AI核算趋势持续下去的话，人类儿童与AlphaGo Zero游戏里程碑就能完成。
3、评论与约束
依据这一剖析，天然就要提出一个合理的问题：为了猜测AGI，咱们最应该重视哪一个里程碑呢？这个问题的不确定性太大了，不过我想构成AGI要比大脑进化里程碑简略些，可是那种AGI能够在AlphaGo Zero游戏里程碑抵达之前或许之后完成。
榜首点是银为大脑进化里程碑假定算法发现的进程有必要由AI自己履行。但对我来说人类设计师以毫无核算本钱（或许相关于模仿进化所需本钱何足挂齿）的方法供给恰当算法（或许大部分）好像更有可能。
第二点，评价AGI相对AlphaGo Zero游戏里程碑的难度要杂乱一些。有人以为AlphaGo Zero游戏里程碑使得AGI看起来太简略了，但咱们有必要考虑到教会机器一般智能需求比教会机器下围棋有更多的练习比如。为了履行规模很广的各类使命，有必要考虑更大规模的依赖性以及了解一个愈加杂乱的从动作到实用工具的映射。这件事能够进一步探究——经过比较各种已处理的AI问题的样本效能，然后根据一般智能的杂乱程度要高多少来揣度AGI的样本效能。但是，还有一些原因导致AlphaGo Zero游戏里程碑或许让工作变得太困难了。首要，AlphaGo Zero并未运用任何已有常识，而AGI体系可能是需求这个的。假如咱们看看最初的AlphaGo的话，它所需求的局数相关于AlphaGo Zero来说本来是应该少一个数量级的，而更一般的学习使命可能还能进一步提高效能起伏。其次，经过模仿人脑的做法可能会有1到多个数量级的保存性内置。根据现在的硬件装备来模仿人脑来履行其核算功用可能功率会适当低：也便是说，人脑或许只运用所需的其间一小部分的核算来模仿。所以很难判别抵达AlphaGo Zero里程碑关于AGI来说究竟是太早仍是太晚了。
还有一个原因能够愈加保证AGI的完成或许或许6年以上的时刻。咱们只需求看看AI核算趋势然后问问自己：AGI跟AlphaGo Zero的联系是不是像AlphaGo Zero跟AlexNet（编者注：AlexNet是2012年诞生的）那样近呢？假如咱们以为榜首对的差异大过第二对的差异的话，那咱们就应该以为AGI不是6年的时刻能够完成的。
总归，咱们能够看到AI核算趋势是一个极端高速的开展趋势，快到经济力量（假定GDP不会呈现大幅添加）在3.5到10年之内就无法跟上的境地。但哪怕还能保持几年，这股趋势的开展也现已够快了，快到能够打破某些形似适当于AGI需求的核算里程碑。其间就包含运用Hodgkin Huxley神经元模仿人脑考虑18年所需的核算量。但是，其他的里程碑在经济要素导致AI核算趋势停止前都无法完成。比方说这儿的剖析标明咱们（至少）在几十年内都无法具有满足的算力来模仿人脑的进化。
编译组出品。修改：郝鹏程。
