谷歌训练人工智能技术踢足球，继围棋后，谷歌为什么要选择足球成为下一代AI技术的“陪练”？

在击败了围棋这一古老的人类棋类游戏以后，谷歌现在正着眼于全球最受欢迎的运动足球，训练它的下一波人工智能技术踢足球。

2017年，在与谷歌的人工智能程序AlphaGo比赛之前，中国围棋选手柯洁参加未来围棋峰会的开幕式。

该美国互联网巨头在6月发表的研究显示，它的“大脑团队”（Brain Team）正在研究一项名为“谷歌研究足球环境”的游戏，训练智能代理人与周围的环境交互，并解决复杂的任务。他们希望该项研究能够给无人驾驶汽车、机器人等现实世界的人工智能应用带来启发。

谷歌于今年早些时候在知名开源社区Github上以开源代码形式发布了“谷歌研究足球环境”的测试版。根据谷歌人工智能博客上的公告，这款游戏在开发时使用的公开名称是“可玩性足球”（Gameplay Football），它拥有逼真先进的游戏模拟效果，其中涉及进球、犯规、角球、点球和越位。

当下，各家科技巨头纷纷努力开发人工智能技术的潜能。人工智能是机器学习的一种形式，被称为第四工业革命。从自动驾驶汽车到智慧城市基础设施，再到物联网(IoT)应用和车间自动化，人工智能正越来越多地渗透到日常生活和工作的方方面面。

2017年，谷歌母公司Alphabet旗下DeepMind Technologies的电脑程序AlphaGo以3比0击败了世界顶级围棋选手柯洁。这一“斯普特尼克时刻”也促使中国寻求在人工智能领域迎头赶上。

柯洁完败后落泪，称谷歌开发的人工智能程序“完美，没有任何缺陷，没有心态波动”。AlphaGo在三场比赛中接连击败了谷歌人工智能足球的研究工作由公司在苏黎世的大脑团队的机器学习研究员卡罗尔·库拉奇(Karol Kurach)领导。根据谷歌的人工智能博客文章，足球被认为对人工智能强化学习特别有帮助，因为该运动需要“身心合一”，需要在瞬时的身体控制和概念学习之间取得自然的平衡，比如准确传球和领悟高水平的技战术。

谷歌的DeepMind在2017年推出了AlphaGo Zero，该程序不需要人类专家的帮助来训练自己。AlphaGo Zero被认为比打败柯洁的版本更加强大，因为它与自己对战，从自己的经验中学习。

说起人工智能，大家一定都会有所耳闻，其实各个企业或者国家之前关于人工智能的竞争，归根到底是算法和算力的竞争，这篇文章就跟大家聊聊谷歌专为人工智能开发的TPU！

TPU项目开始于2014年，简单来说两个原因： 1. 计算任务不同了， 深度神经网络开始兴起，矩阵乘加成为重要的计算loading。 2. CPU和GPU太贵了，Google需要找便宜的方法，要降低TCO。所以要自己搞芯片的想法就出来了。

简单地说，它是谷歌在2015年6月的I/O开发者大会上推出的计算神经网络专用芯片，为优化自身的TensorFlow机器学习框架而打造，主要用于AlphaGo系统，以及谷歌地图、谷歌相册和谷歌翻译等应用中，进行搜索、图像、语音等模型和技术的处理。

区别于GPU，谷歌TPU是一种ASIC芯片方案。ASIC全称为Application-Specific Integrated Circuit（应用型专用集成电路），是一种专为某种特定应用需求而定制的芯片。但一般来说，ASIC芯片的开发不仅需要花费数年的时间，且研发成本也极高。

对于数据中心机房中AI工作负载的高算力需求，许多厂商更愿意继续采用现有的GPU集群或GPU+CPU异构计算解决方案，也甚少在ASIC领域冒险。

实际上，谷歌在2006年起就产生了要为神经网络研发一款专用芯片的想法，而这一需求在2013年也开始变得愈发急迫。当时，谷歌提供的谷歌图像搜索、谷歌照片、谷歌云视觉API、谷歌翻译等多种产品和服务，都需要用到深度神经网络。

在庞大的应用规模下，谷歌内部意识到，这些夜以继日运行的数百万台服务器，它们内部快速增长的计算需求，使得数据中心的数量需要再翻一倍才能得到满足。然而，不管是从成本还是从算力上看，内部中心已不能简单地依靠GPU和CPU来维持。

神经网络算法一直在演变和发展，这套方法的理论还不成熟，应用场景也会在未来几年发生巨大的变化。大家可以想象一下安防、无人机、智慧大楼、无人驾驶，等等等等。每一个子领域都有 系统/功耗/性能 一系列问题和各种权衡。一方面，是算法多变的情况下，如何发掘计算的内在并行性，又给上层程序员提供一个高效的编程接口，是一个很重要很实际的问题。

综合以上信息，TPU是谷歌搞出来的一个专用芯片，国内的芯片公司在搞ASIC挖矿，谷歌在搞ASIC训练人工智能，如果之后人工智能在各个领域发力，tpu也表现良好的话，以后的电脑上说不定就得加上这个硬件！

---