谷歌在人工智慧界的積累和成績已經有目共睹，但事實上，它也正受到新興勢力的挑戰：近日，來自 Fast.ai 的學生們剛剛創建了一種人工智慧算法，在一項重要的基準測試中，它的性能超過了谷歌研究人員的代碼。Fast.ai 是一個提供免費機器學習在線課程的機構。
Fast.ai 團隊的成功表明，不是只有擁有大量資源的精英程式設計師才能在人工智慧領域進行研究並取得成果。
Fast.ai 由一群熱衷於在業餘時間接觸機器學習的學生組成，也許這些學生將來會從事數據科學相關職業。他們租用了亞馬遜雲的伺服器開展學習和實驗。這個團隊建立了一種算法，在 DAWNBench 的基準測試中，該算法可以超過谷歌的代碼。谷歌的研究人員在之前的測試排名中名列前茅，他們使用了專門為機器學習設計的自定義晶片集合。Fast.ai 團隊的算法能夠在大致相同的硬體上運行速度更快。
Fast.ai 創始人之一、著名人工智慧企業家 Jeremy Howard 表示：「最先進的研究結果並不是大公司專屬。」Howard 和他的聯合創始人 Rachel Thomas 創建了 Fast.ai 的目的就是讓人工智慧變得更容易入門，減少這一領域的排他性。
Howard 的團隊能夠在很多小的方面與谷歌這樣的公司競爭，這些都在一篇博客文章中有詳細的描述，例如，確保輸入到訓練算法的圖像被正確地裁剪。Howard 說：「這些是許多研究人員甚至不會想到要做的，因為這件事太顯而易見了、甚至有點愚蠢。」
在多台機器上訓練學習算法的代碼是由美國國防部新成立的國防創新部隊的一名人員開發的。該單位最近剛剛成立，目的是幫助軍方使用人工智慧和機器學習。
圖丨 Jeremy Howard
史丹福大學教授、DAWNBench 創建者之一 MateiZaharia 說，Fast.ai 的工作令人印象深刻，但他指出，對於許多人工智慧任務來說，大量數據和計算資源仍然是關鍵。
在 ImageNet 資料庫上，Fast.ai 在 16 個 AWS 實例上訓練需要 18 分鐘，總計算成本約為 40 美元。Howard 聲稱，這比谷歌的代碼要好 40% 左右，但他承認，由於硬體不同，這種比較並不精確。
OpenAI 的通信和政策主管 Jack Clark 說，Fast.ai 在語言理解等其他領域也做了有價值的工作。Clark 說：「Fast.ai 所做的工作對每個人都有利，因為這使得人們能夠更直接地接觸到人工智慧，增加對人工智慧的熟悉程度。」
