一小隊學生搞的 AI 擊敗了谷歌的機器學習代碼！

這次成功表明了並非隻由精英程式員才能取得AI領域的進展。

圖片來源：Andrej Karpathy

Fast.ai的學生們剛開發出了一種AI算法：一項重要的基準測試顯示，其性能超過了谷歌研究人員編寫的代碼。Fast.ai 是一家在網上開設免費機器學習課程的小型機構。

Fast.ai 的成功之所以很重要，是因為有時似乎只有擁有雄厚資源的精英程式員才能搞先進的AI研究。

Fast.ai由一群熱衷於研究機器學習的兼職學生組成，他們可能會走上數據科學這條職業路線。Fast.ai租用了亞馬遜雲的電腦資源。

但是斯坦福大學的研究人員用一種名為DAWNBench的基準測試測量後發現，Fast.ai的團隊開發的一種算法勝過谷歌研究人員編寫的代碼。該基準測試使用一種常見的影像分類任務，按照每一美元的計算能力來測量深度學習算法的速度。

谷歌的研究人員在幾台機器上的訓練這個類別超過以前的排名，他們使用了專門為機器學習設計的度身定製的自家芯片組成的集群。Fast.ai團隊能夠在大致相當的硬體上以更快的速度運行。

Fast.ai的創始人之一、著名AI企業家傑裡米?霍華德（Jeremy Howard）說：“最先進的研究結果並不是完全專屬於大公司。”霍華德和聯合創始人雷切爾?托馬斯（Rachel Thomas）創辦了 Fast.ai，旨在讓AI更普及，而不是被少數大公司獨佔。

霍華德的團隊能夠與谷歌這樣的大公司抗衡，秘訣在於做了許多簡單的事情。這包括確保輸入到訓練算法的影像被正確裁剪。霍華德說：“這些是很明顯的、小兒科的事情，許多研究人員沒想到要做。”

在幾台機器上運行學習算法所需的代碼由美國五角大樓新成立的國防創新中心的一名協作人員開發的。該中心剛成立，旨在幫助軍方使用AI和機器學習。

斯坦福大學教授、DAWNBench 的開發者之一馬泰?扎哈裡亞（Matei Zaharia）表示，Fast.ai 所做的工作讓人刮目相看，不過他特別指出，對於許多AI任務來說，大量數據和計算資源仍然是關鍵。

Fast.ai的算法使用16個AWS 實例在 ImageNet數據庫上訓練用時18分鐘，總的計算成本約為40美元。霍華德聲稱，這比谷歌的代碼要好40%左右，不過他也承認，由於硬體不同，這番比較並不精確。

非營利機構OpenAI 的溝通和政策主管傑克?克拉克（Jack Clark）說，Fast.ai已在語言理解等其他領域做出了頗有價值的工作。克拉克說：“像這樣的工作惠及每個人，因為它們提升了人們對AI技術的基礎熟悉程度。”