深度学习渐趋冷静，为何图形计算却逆势反涨？

Posted 2021-04-20 AI科技大本营

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了深度学习渐趋冷静，为何图形计算却逆势反涨？相关的知识，希望对你有一定的参考价值。

不知不觉，2019 年的进度条已经快撑不住了 ▓▓▓▓▓▓▓▓▓▓▓▓▓░░ 88%。

就像这个进度条一样，人工智能的发展也绝不是一蹴而就的事，而是一步一个脚印逐渐发展，最后达成某个目标。近年来，深度学习领域的技术发展和趋势与往年有所不同，马上到年底了，我们不妨来简单回顾一下这个领域的一些热点技术方向都发生了哪些变化。

AI技术发展和趋势

总的来说，AI 技术的发展比较平稳，有若干技术方向出现比较重要的突破，也有一方向发展遇到瓶颈。

比如，根据 Google Trend 显示，从 2018 年截至目前，在全球范围内，关键词“Knowledge Graph”的热度总体上呈上升趋势。

知识图谱也越来越多地被学术和业界提到并应用于研究和实践中，该领域内的热点研究有：概念图、并行算法、知识表示、图形知识、知识库等，其中概念图是当前的热门话题之一，20 世纪 90 年代以来，其研究热度始终保持在 Top 1；知识表示也是该领域的热点话题。知识图谱作为人工智能技术中的知识容器和孵化器，会对未来 AI 领域的发展起到关键性的作用，预计未来会向自动化的方向前进，并找到更多落地应用场景。

从 2018 年到 2019 年，在全球范围内，关键词“deep learning”的热度曲线基本上较平稳，但在 11 月初出现下降的趋势。相对 AlphaGo 带来的狂热，现在大家更能理性对待深度学习。

深度学习渐趋冷静，为何图形计算却逆势反涨？

在 NLP 领域，继谷歌推出让人振奋的 BERT 之后，GPT 后来居上，随后又不断出现新的模型，不断打破“前辈”创下的记录，百度的NLP 预训练模型 ERNIE中文任务全面超越 BERT，CMU 和 Google Brain 联手推出了 Bert 的改进版 XLNet，在 20 项任务上超越 BERT，微软亚洲研究院在 ICML 2019 上提出了一个全新的通用预训练方法 MASS，在序列到序列的自然语言生成任务中全面超越 BERT 和 GPT。

在计算机视觉领域，当前的热点研究话题包括图像分割、图像分类、支持向量机、特征提取、目标识别、生物医学研究、目标检测、人脸识别、马尔可夫过程等。

其中，生成对抗网络（GAN）技术成为当下的研究热点，实际应用也越发炉火纯青，AI 生成图像和视频的效果如此逼真，以至于一些打擦边球的应用产生了不小的负面影响，倒逼立法或规范产生，比如美国加州已签署了两项新法令，其中一项是禁止任何人在选举 60 天内发布有关候选人的 Deepfake 视频，另一项法令则是允许该州居民起诉任何使用 Deepfake 技术将其图像放入色情视频的人。

图形方面的另一个重要的技术突破，不得不提到 3D 图形行业产生的一项颠覆性的技术——光线追踪技术。它通常被描述为计算机图形学的“圣杯”，有望彻底改变 3D 图形技术的发展。

什么是光线追踪技术？

简单来说，光线追踪技术是使用一种模拟真实世界光线行为的技术来生成 3D 场景，从而为开发人员提供工具，制作逼真的视觉效果。

这项新技术能够完美地计算光线反射、折射、散射等路线，渲染出逼真的画面，几乎与真实世界真假莫辨，可为游戏开发者提供电影级画质的实时渲染。

更具体的来说，就是在真实世界中，我们看到的 3D 物体被光源照亮，且光子可以在到达观看者的眼睛以前从一个物体反弹到另一个物体。光线追踪技术则反过来，通过从观者眼睛（观景式照相机）反向追踪光线捕捉这些效果，通过追踪 2D 视表面上每个像素的光线的路径，并应用到场景的 3D 模型中。

深度学习渐趋冷静，为何图形计算却逆势反涨？

光线追踪原理图

在 2016 年 Imagination 公司推出世界上首款专用的光线追踪加速器之前，业界最常用的是光栅化渲染方法，之后再在图像上绘制高光阴影等效果，以产生真实的感觉。但这种方法存在的缺点非常明显，比如无法判断远近遮挡关系，无法模拟真正的阴影、反射和折射，且计算负载巨大。光线追踪技术出现之后，便一定程度上代替了光栅化渲染。

2018 年 3 月，NVIDIA 将光线追踪技术向前推进了一步，发布了一项新技术——实时光线追踪（Real Time Ray Tracing），能够实时进行光线追踪。

仅几个月后，在 SIGGRAPH 2018 计算机图形与交互技术大会上，NVIDIA 就推出了全球首批支持即时光线追踪的 Quadro RTX 系列 GPU，使得图形计算大大简化，这使得之前要花费几天甚至几周时间的复杂渲染工作，现在可以在几分钟甚至几秒内生成逼真的产品模型。

目前，这种技术已经实现落地，并开始应用于游戏和动画等场景，我们看到的很多栩栩如生的游戏画面和动画效果，如皮克斯电影“汽车总动员”中闪电麦昆的闪亮反光、“钢铁侠”的反光服以及“变形金刚”中的伪装机器人，都用到了光线追踪技术。

深度学习渐趋冷静，为何图形计算却逆势反涨？

在 GTC 2018 上，NVIDIA CEO 黄仁勋展示的《逆水寒》游戏画面中 RTX on 与 RTX off 效果对比，至今还让笔者印象深刻。上图中可以看到，使用了 RTX 技术后，游戏画面中船身和桥洞上水的反光变得更加逼真灵动。

GPU对图形计算的贡献

强化学习教父 Richard Sutton 曾说过：70 年的人工智能研究史告诉我们，利用计算能力的一般方法最终是最有效的方法。摩尔定律揭示了这一事实。

大部分 AI 研究都是在认为智能体可用的计算为恒定的情况下进行的，在这种情况下，利用人类知识是提高性能的唯一方法。但是，短期看知识，长期看算力，研究人员利用专门领域知识可以在短期内提升性能，若想长期获得性能提升，利用计算能力才是王道。

Sutton 的这番话强调了计算能力的重要性。

从另一个角度来看，神经网络等算法上的突破其实在很早之前就已实现，一直以来，大量 AI 领域的优秀人才也在推动着相关研究继续向前，但是在落地上却无法取得大跨步的进展，很大一部分原因就是计算力不足。

NVIDIA 通过GPU，让 AI 与图形计算完美结合，带给了用户不一样的体验，实现了图形计算技术落地，改变了产品设计师、游戏设计师、建筑师们的工作方式，可以说是引领了技术突破的行家，可见 GPU 在图形计算技术实现突破方面发挥了巨大作用。

由于历史原因，GPU 是为了视频游戏而生，在三维游戏中常常出现的一类操作是对海量数据进行相同的操作，不同于CPU，GPU 的众核架构非常适合把同样的指令流并行发送到众核上，采用不同的输入数据执行。GPU 的这一能力使得它天然地擅长图像处理任务，能够更快地进行计算。从 1991 年之前显示功能在 CPU 上实现，经过二维图形计算、可编程图形计算器，到当今热门的异构计算，GPU 还在不断完善，比如 NVIDIA 强大的 Quadro RTX 系列 GPU。

关于最新的 AI 技术，包括图形计算、GPU 发展的最新现状和未来发展趋势，你可能还想了解更多细节。

现在，机会就在眼前！

2019 年 12 月 16-19 日，由 NVIDIA 主办的 GTC CHINA 2019 将在苏州金鸡湖国际会议中心举办，绝对是个洞察 AI 和图像计算技术发展状况和趋势的绝好机会。

几大亮点不容错过

黄仁勋主题演讲

一如既往， NVIDIA CEO 仍将继续登台做主题演讲，带来 NVIDIA 最新的产品发布。往年，穿着一身黑色皮夹克的“黄教主”都会带来“核弹级”的新产品或新功能，不知道这次，他还会带给大家什么样的惊喜，大家可以期待一下。

聚焦 AI 与图形方面的新技术和新趋势

NVIDIA GTC 这一系列全球盛会，会为参会者带来当今计算领域最热门的话题的相关见解，今年，大会的主题非常明确，就是“AI 与图形方面的新技术与新趋势”，AI 领域的技术演讲涉及方方面面，图形计算则是 NVIDIA 最擅长的技术之一，在 NVIDIA 在图形计算方面全球领先的技术分享，还怕错过最新鲜、最紧跟潮流的技术趋势吗？

数十个技术论坛

深度学习渐趋冷静，为何图形计算却逆势反涨？