LLVM之父Chris Lattner：為什麼我們要重建AI基礎設施軟體

人們曾經想像中的AI願景很美好，現狀卻不盡人意。 AI在自動駕駛、新藥研發等日常應用上並未實現當初的預言，常見的吐槽是，全球的科技巨頭匯集了一大批最聰明的大腦，但更多還是專注於思考廣告的精準投放、信用評分以及不太聰明的「智慧」音箱上。

理論上說，只要有正確的演算法和足夠的計算資源，AI可以解決所有任何可用數據表徵的問題，而現在數據、演算法和硬體資源已經足夠豐富，AI用於造福社會的所有條件都已具備。我們看到了AI的廣泛應用以及初步效果，但實際上，技術應用並不深入，遠遠沒有發揮出已有機器學習研究的所有潛力。

為什麼會導致這個局面？事實比世界上的科技巨頭和媒體對於AI的研究更新還要深刻。 編譯器大牛Chris Lattner曾指出 ， AI系統和工具的單一化和碎片化正是造成這問題的根源。

為了解決這個難題，2022年1月，編譯器大牛Chris Lattner宣布下海創業，同Tim Davis共同成立了Modular AI， 目標是重建全球ML基礎設施，包括編譯器、運行時，異質運算、邊緣到資料中心並重，並專注於可用性，提升開發人員的效率。目前，Modular AI團隊已參與建置過來自TensorFlow、TF Lite、XLA、TPU、Android ML、Apple ML、MLIR等世界上大部分的生產機器學習基礎設施，並已將生產工作負載部署到數十億用戶和設備。

近日，Modular AI宣布完成3千萬美元的種子輪融資，由Google Venture領投。在Chris Lattner等人發布的最新一篇官方部落格文章中，發出了「靈魂三問」： AI如此重要，為什麼軟體卻如此不堪？為什麼科技巨頭沒有解決AI難題？如何解決這一難題？ 當然，他們也給了答案。 OneFlow社群對原文進行了編譯整理。

1 AI如此重要，為何軟體卻如此不堪？

AI軟體最初是為建構AI技術的全端研究人員、工程師和架構師設計的，它從未被定義為一項產品，因此， AI軟體在底層設計上就有缺陷。

這種軟體是由大型科技公司為解決他們自己的問題而建構的，而其它企業都在「滴漏式（trickle down）基礎設施」上使用這些軟體。於是便產生這樣的現象：只有最大和最具商業影響力的AI應用才在實踐中構建和部署，即便如此，也只有在企業的需求與大型科技公司的內部需求一致性很高的情況下才能實現。

這是為什麼呢？ 因為當下的AI軟體很單一，研究屬性很重，主要用於滿足科技巨頭（這些軟體的研發者）的發展規劃。 這些軟體是研究人員為了做研究而創造的，而AI的快速發展使得研究人員沒有時間停下來再重新建構。

相反，隨著時間的推移，我們增加了越來越多的複雜度，致使該行業很難維護和擴展碎片化的定制工具鏈，這些工具鏈在研究和生產、訓練和部署、伺服器和邊緣端之間都存在差異。

人工智慧系統現在已然成為一片不相容科技的汪洋大海，只有那些綜合型科技巨頭才有能力使用AI實現他們的目標。

2 為什麼科技巨頭沒有解決AI難題？

AI研究和開發人員通力合作，使部署AI取得了成功，科技巨頭們利用其龐大的運算和財力來推進其產品和核心業務的優先級，包括他們自己的雲端、電話、社交網路和人工智慧硬體。

雖然他們對該領域做出了卓越的貢獻，但從商業角度講，它們不可能把AI推廣到全世界（涵蓋所有硬體、雲端和ML框架），而世界其它地方也不能指望它們這麼做。不過，這個不幸的事實限制了世界上其他國家使用這項技術，沒有能力來解決大型科技公司所關注領域以外的問題，包括世界面臨的一些最重大的社會經濟和環境問題。但這不是我們想要的未來。

雖然巨頭為人工智慧的發展做出了巨大貢獻，但要讓人工智慧充分發揮其潛力，還需要一家獨立的公司，這家公司不用優先考慮自己的硬體、雲端基礎設施、手機的發展或自己的研究；同時我們需要中立的公司，做最符合全球用戶和企業利益的事。 我們需要將從人工智慧軟體的快速成長中學到的知識融入下一代技術中，以此來為所有組織面臨的各類問題提供可用方案和通用標準。

今天，中小型科技公司面臨的最緊迫的問題是，如何突破能力、成本、時間和人才的限制將AI投入生產。

出於機會成本的考慮，他們的創新技術難以推廣到市場，產品體驗欠佳，將最終為他們的發展帶來負面影響。對整個社會來說，這意味著我們還需等待相當漫長的一段時間才能用AI來解決世界上的一些重大難題。

我們沒有時間等科技大廠推出涓滴式的AI軟體。 AI可以改變世界，但前提是碎片化問題必須解決，而全球AI開發者社群無需為高品質的基礎設施所困擾。

3 誰來解決這個難題？如何解決？

Modular正在建構下一代AI開發者平台，它將更加實用、高速且靈活。

我們的平台透過通用介面統一了流行的AI框架前端，並且強化了對各種硬體後端和雲端環境的存取和可移植性。我們正在重建核心開發人員的工作流程工具，使其更具表現力、可用性、可調試性、可靠性、可擴展性，以實現優越效能。我們的工具可以輕鬆部署到現有的工作流程中，使用者無需重構或重寫程式碼，便可無縫接續完成工作，並且以更低的成本實現生產力和效能的提升。我們將加速挖掘AI價值，並且盡快將其推向市場，惠及廣大用戶。

當AI能夠更細微地滲透到各類應用中時，它的潛力也將得到充分展現——屆時，你將不必圍繞AI來定義你的應用。我們的平台由模組化、可組合的基礎設施組件建構而成，支援重新搭配和擴展以實現各種用例。同時，即使在不了解整個系統如何運作的情況下，各領域專家也能透過我們的平台進行創新。我們親眼目睹了模組化方法如何解鎖新用例，而這是我們過去未曾想過的。

為了真正修復AI基礎設施，我們既要解決「硬技術」問題（如針對異質運算技術的編譯器），也要建立可無縫銜接的端對端開發者工作流程。

4 從「AI研究時代」跨入 「AI生產時代」

我們的成功意味著全球開發者將獲得真正可用、可移植和可擴展的AI軟體。

在新世界裡，缺乏充沛預算或頂尖人才的開發者也可以像全球科技巨頭一樣高效地開展工作；AI硬體的效率和總擁有成本(Total Cost of Ownership，TCO）將得到最佳化；企業可以輕鬆插入客製化的ASIC以滿足其使用情況；部署到邊緣就像部署到伺服器一樣容易；企業可以使用任何一款最符合其需求的AI框架；AI程式可以在硬體上無縫擴展，將最新AI研究部署到生產中簡直再輕鬆不過。

我們將看到：AI產業的發展不再受限於科技巨頭們按自身需求決定的時間表；AI產業的發展將會更加快速、更加集中；創新在堆疊的各個層面蓬勃發展，開發人員專注於在自己的專業領域將新的創新推向市場，並為我們所有人建立一個更加美好的未來；行業飛速發展，帶領我們從“AI研究時代”跨入“AI生產時代」。

以上是LLVM之父Chris Lattner：為什麼我們要重建AI基礎設施軟體的詳細內容。更多資訊請關注PHP中文網其他相關文章！