杰森·瑪爾斯（Jason Mars）打造了屬于自己的 Siri，然后貢獻了出來(lái)。他是密歇根大學(xué)的一名計算機科學(xué)教授，與該校數名研究人員合作，于最近開(kāi)發(fā)出了一個(gè)可以對語(yǔ)音命令做出即時(shí)反應的數字助手 Sirius，就像 iPhone 上的 Siri 一樣。接著(zhù)瑪爾斯開(kāi)源了 Sirius，免費向全世界分享其代碼。
軟件工程師可以通過(guò) Sirius 探索現代語(yǔ)音識別的復雜性，甚至在自己的移動(dòng)應用中加入語(yǔ)音識別功能。在瑪爾斯看來(lái)，這就是世界的動(dòng)人之處。
但這一項目還有另一目的。瑪爾斯也意識到，支撐如今互聯(lián)網(wǎng)的龐大計算中心還沒(méi)有準備好迎接即將到來(lái)的語(yǔ)音革命，他希望通過(guò) Sirius 向這些機構展示該如何改變。他說(shuō)道：“我們想要理解該如何建造未來(lái)的數據中心。”
要知道，像 Siri、 Google Now 和微軟 Cortana 這些數字助手并不只是運行在手機上。它們運行在計算中心數以千計的機器里，而隨著(zhù)全球越來(lái)越多的人使用這些服務(wù)，普通機器已經(jīng)無(wú)法滿(mǎn)足運行它們的要求了。因為這會(huì )占據太多空間，消耗太多能源。我們需要高效得多的硬件來(lái)做這件事。
通過(guò) Sirius 這一開(kāi)源項目，馬爾斯及其同事們（包括一位名為 Yunqi Zhang 的密歇根博士生）就能展示像 Siri 這樣的工具如何在數據中心里運行，并最終識別出最適合運行語(yǔ)音服務(wù)的硬件。這樣的硬件也能用在其他重塑互聯(lián)網(wǎng)的人工智能工具上，如人臉識別、無(wú)人駕駛汽車(chē)。
讓谷歌搜索相形見(jiàn)絀
在測試 Sirius 時(shí)，瑪爾斯已經(jīng)證明，用傳統硬件運行 Sirius 需要的設備數量、空間和能源是谷歌搜索等基于文本的搜索引擎的 168 倍。考慮到語(yǔ)音識別不僅是移動(dòng)手機也是可穿戴設備的未來(lái)，這根本不切實(shí)際。瑪爾斯表示：“我們將遇到瓶頸。”數據中心不僅占據空間，需要海量資金來(lái)建設，還會(huì )消耗海量能源。
問(wèn)題是：用什么硬件來(lái)取代傳統機器？
這不僅會(huì )影響到蘋(píng)果、谷歌、微軟以及眾多應用開(kāi)發(fā)商，還會(huì )影響到銷(xiāo)售數據中心硬件的公司，乃至英特爾和 AMD 等知名芯片制造商。AMD 首席技術(shù)官 Mark Papermaster 表示：“這對于我們的未來(lái)意義重大。”
這也是瑪爾斯開(kāi)展 Sirius 項目的原因。蘋(píng)果、谷歌和微軟知道這一新興服務(wù)如何運行，但世界上其他人不知道，而他們又需要知道。
并行宇宙
從谷歌的網(wǎng)絡(luò )搜索服務(wù)到 Facebook 的社交網(wǎng)絡(luò )等大部分網(wǎng)絡(luò )服務(wù)都運行在英特爾、AMD 的服務(wù)器芯片上（主要是英特爾）。問(wèn)題是：這些中央處理器并不怎么適合運行 Siri 等語(yǔ)音識別服務(wù)，因為語(yǔ)音識別服務(wù)需要同時(shí)進(jìn)行非常多的小規模計算。
正如谷歌、微軟、百度等公司所說(shuō)的，這些計算在最初用于處理復雜數字圖像的圖形處理（GPU）芯片以及用于特定任務(wù)的可編程門(mén)陣列（FPGA）芯片上進(jìn)行效果更好。谷歌已經(jīng)在 Google Now 中使用 GPU 來(lái)驅動(dòng)類(lèi)似于人腦的“神經(jīng)網(wǎng)絡(luò )”，微軟則在用 FPGA 驅動(dòng)必應搜索引擎的部分功能。
雖然必應并不處理語(yǔ)音，但 GPU、FPGA 能提高所有需要快速完成的網(wǎng)絡(luò )服務(wù)的效能，主要是因為它們無(wú)需消耗太多能源，也不占據太多空間。
基本上，如果采用 GPU 和 FPGA，人們就能在一臺機器上安裝更多芯片。盡管單個(gè) GPU 或 FPGA 芯片不像 CPU 一樣強大，但卻將更大的計算分成小塊計算任務(wù)，然后分配給這些 GPU 或 FPGA 芯片處理。這在語(yǔ)音識別等應用上尤其吸引人，并行計算就是為它們而生。Papermaster 表示：“許多新興服務(wù)要求非常快地對海量信息進(jìn)行篩選。由于這些任務(wù)的重復性，可以通過(guò) GPU 或 FPGA 來(lái)加速完成。”
GPU 現在不僅是語(yǔ)音識別的必然之選，也是其他基于神經(jīng)網(wǎng)絡(luò )的服務(wù)的選擇。這些“深度學(xué)習”工具涉及人臉識別、精準廣告等服務(wù)，最終它們還將幫助驅動(dòng)無(wú)人駕駛汽車(chē)和機器人。負責谷歌大部分深度學(xué)習工作的 Jeff Dean 表示，谷歌現在在混合使用 GPU 和 CPU，以運行驅動(dòng)著(zhù)約 50 種谷歌網(wǎng)絡(luò )服務(wù)的神經(jīng)網(wǎng)絡(luò )。
不過(guò)微軟也證明，FPGA 可以成為另一種選擇。通過(guò)開(kāi)源數字助手 Sirius，杰森·瑪爾斯要尋找最適合未來(lái)互聯(lián)網(wǎng)服務(wù)的現代數據中心架構。
不限于蘋(píng)果和谷歌
目前答案依然不明朗。但通過(guò) Sirius，瑪爾斯至少證明了 GPU 和 FPGA 是比 CPU 更好的選擇。瑪爾斯表示：“未來(lái)的數據中心設計必然要包括 GPU 或 FPGA。這至少能帶來(lái)一個(gè)數量級的提升。”
他表示，人們可以通過(guò)編程讓 FPGA 做任何事情，FPGA 的效率要比 GPU 高得多（根據密歇根大學(xué)的測試，FPGA 的性能是 CPU 的 16 倍，GPU 約為 10 倍）。但它們需要更多的設計工作。谷歌、蘋(píng)果和微軟等公司必須招聘能給它們編程的工程師。
GPU 也需要一些額外工作。在使用 FPGA 時(shí)，工程師必須對軟件進(jìn)行定制，以適應這些芯片。但工程師無(wú)需對芯片進(jìn)行編碼。基于這一原因，GPU 要更為可行，尤其是考慮到語(yǔ)音識別工具最終將不再局限于蘋(píng)果、谷歌和微軟，還會(huì )進(jìn)入不大愿意雇傭芯片工程師的公司中。
瑪爾斯說(shuō)道：“Siri、Cortana 和 Google Now 以及實(shí)時(shí)進(jìn)行數據分析和處理視頻的先進(jìn)應用就是技術(shù)的發(fā)展方向，也是行業(yè)的發(fā)展方向。”
不管這一切會(huì )怎么實(shí)現，都將重塑計算機芯片領(lǐng)域。英特爾已經(jīng)在探索 FPGA。GPU 制造商英偉達正將深度學(xué)習浪潮推向新高峰。數年前收購了 GPU 制造商 ATI 的 AMD 也在持續深入這一領(lǐng)域。正如 Papermaster 所說(shuō)的，AMD 正在與行業(yè)內的各個(gè)公司合作，以便打造出能讓程序員更容易為 GPU 編寫(xiě)軟件的工具。
考慮到 Facebook 和微軟等互聯(lián)網(wǎng)公司正在探索在數據中心里使用低功耗的 ARM 芯片，芯片市場(chǎng)注定會(huì )在接下來(lái)數年中發(fā)生重大變革。杰森·瑪爾斯以及他的 Sirius 項目旨在展示這一未來(lái)會(huì )是什么樣。但 Sirius 也可能驅動(dòng)這一變革。畢竟，如果大家都在運行自己的 Siri，他們就需要自己的芯片。
