自己玩要1300年？深度学习是个土豪游戏

        【中关村在线原创】前不久，Deepmind团队再次在《自然》杂志发表论文，论文表示，从0开始，完全无需输入人类下过的棋谱，也可以在很短的时间让围棋软件棋力超过以往，这个时间是40天。很多人不禁要问：是不是我也可以在家训练围棋或是其它人工智能了？答案显然是不行。

没有超级计算机，难玩人工智能

40天就可以这么强

        我们先来看看Deepmind的训练成果。Deepmind完全不输入棋谱，只是输入规则（这个规则和我们人类的还有点区别，但是结果的导向一样），只训练了3天，就可以下赢去年对弈李世石的AlphaGo版本，21天赢今年和柯洁对弈的Master版本，40天的时候棋力达到了史无前例的Elo评估分5200（人类最强柯洁是3600多）.

从0开始，只知道基础规则

三天超越李世石版本

21天超越柯洁版本

40天同过机器自我学习达到前所未有的棋力

        Deepmind这是一篇学术论文发表在《自然》杂志上，学术论文的意义在于可重复性。在第一篇论文之前，计算机围棋程序只能和业余4段掰下手腕，而和李世石的对弈整门了可以赢职业九段！在论文指导下，腾讯的绝艺，日本的Deepzen Go、台湾的CGI等程序迅速崛起，也达到了可以和职业九段互有输赢的水平，这是一场大跃进。

       那么是不是我有计算机水平、懂机器学习，也可以训练一个超强的围棋程序呢？答案是不行。因为你玩不起硬件，这是个属于大公司的烧钱行为。

它的40天你的一千年

       论文发表之后，很多人也想自己训练。在论文里面，Deepmind没有详细的指出自己训练的规模有多大，但是停止在40天可见并不是一个省钱的营生。论文里面说的是训练使用了64个GPU Server。

机器学习要GPU

        要注意，机器学习、神经网络这个事情，单独堆传统的CPU效率不高，必须要运算核足够多的GPU，越多越好。所以Deepmind可以依靠谷歌调动大量的计算资源，我们是比不了的。

图片说明

12000个GTX1080Ti的计算力你怕了吗？

        于是有人算了一下，这个人不是别人，是台湾围棋程序CGI的作者，吴毅成教授。他的CGI和AlphaGo类似，他给出了估算，那就是如果你只有一块顶级游戏卡nVidia GTX1080ti，用这个卡训练，需要1200多年！

很可能64个服务器指的是64个类似这种GPU计算的机架

       那么反过来，Deepmind没有细说的64GPU训练服务器，就不是普通的单服务器，而应该是64个GPU服务器群，可能是上面这样的。

人工智能变成了资源战争

       对于一般的研究机构，也想玩玩人工智能，一样起步价非常高。比如英伟达官方给提供的8GPU服务器DGX-1，有8个GPU，这机器电商上可以买到的价格是100多万元，而且每年的服务费还要一笔钱。

英伟达官方的DGX-1有8个GPU，要一百多万人民币

DIY的也要几十万元，8个GPU是成本大头

        当然也有DIY的，双志强E5+可选GPU数量，让配置更有弹性。但是问题在于，如果游戏卡，训练的效果稍差，但是相对便宜；而如果用专门的Tesla GPU则每一个都不便宜，这种8个GPU的机器一般来说也就只能搞搞小的研究。

2012年的时候用了1000个服务器，16000个CPU核心训练了一周

        比较大的规模，比如让机器学习如何识别图片里的马克杯，要调用的资源就很多，这个资源要求来自几年前百度分享的PPT。谷歌大脑搞机器识别图片据说调用了上万个GPU。

能源、AI与挖矿

        下面的图片是不同版本的AlphaGo对于电力的要求，可以看到最早和李世石下棋的版本，就是上面图片的这个大机架，居然电力要求是40千瓦，而只有176个GPU。那么对于动辄几千上万的GPU，电力的要求同样是个大问题。

176个GPU就要40千瓦的电力供应

         人工智能的好处是训练很费力，但是训练好的程序却不大，因为人不知道里面的结果代表的意义，这是有意思的地方。不过最近这几年GPU一直缺货、涨价，可不全是因为AI，而是国内很多买去做矿机挖比特币。

天河1A是基于GPU的超级计算机

        可以这么说，除非您有足够的天赋，能够从算法层面突破，否则必须要依靠有足够资源的研究机构，比如有足够好的选题，可以使用配置了几千个GPU的天河-1A超级计算机、自己就有成千上万GPU的大公司才能去搞复杂问题的人工智能。

        想单枪匹马就搞定复杂问题，进行AI训练，已经不现实了。40天还是一千年，硬件的鸿沟无法逾越。