郑纬民(1946.3.4- ),男,汉族,浙江宁波人,中国共产党员,网络存储领域专家,清华大学计算机科学与技术系教授。1970年毕业于清华大学自动控制系,1982年获清华大学计算机科学与技术专业硕士学位。1985年至1986年在美国纽约州立大学石溪分校进修学习。1989年至1991年在英国南安普敦大学进修学习。曾任中国计算机学会理事长。
长期从事网络存储系统科学研究、工程建设和人才培养,是我国网络存储领域的领军人,在存储系统扩展性、可靠性和集约性等科学问题和工程技术方面,取得了国内外同行认可的创新性成果,推动了存储领域的科技进步;研制的网络存储系统、容灾系统和自维护存储系统在多个重大工程中发挥了重要作用;核心技术和方法转化到国内骨干企业的存储产品中,为推动我国自主存储产业的发展做出了突出贡献。获国家科技进步一等奖1项、二等奖2项、国家技术发明二等奖1项,何梁何利科技进步奖。
2019年当选中国工程院院士。
12月8日,“新基建 新动能 新生态——2020年第九届粤港云计算大会暨第四届粤港澳ICT大会”在广州市东方宾馆会展中心举行。中国工程院院士郑纬民在演讲中表示,下一代AI的发展亟需建设大规模的AI算力基础设施,也需要一个好的指标来引领领域的健康发展。
郑纬民进行了题为“新基建中的高性能AI算力基础设施的架构与评测方法”的演讲。他表示,人工智能主要有图像检测和视频检索、博弈决策、自然语言处理三种应用。其中,以语音翻译、自动问答、生成文本摘要和创作为代表的自然语言处理是需要较大算力的。
郑纬民认为,下一代AI的发展亟需建设大规模的AI算力基础设施。GPT-3取得了很好的进步,但是离人类智能还有差距,下一代人工智能模型可能超过万亿参数。他援引“神经网络之父”“深度学习鼻祖”Geoffrey Hinton的观点表示,4.3万亿参数(GPT-3的参数的25倍)可以包含一切,但现有计算机系统无法胜任其训练任务。
为什么需要一个人工智能算力基准测试程序?郑纬民表示,传统高性能计算机的测试结果与人工智能需要的性能不完全一致,有别于高性能计算机算里测试程序主要使用双精度浮点数运算,人工智能训练以单精度浮点数或16位浮点数为主,推理以Int8为主。而公众需要一个简单的指标来回答哪套系统的人工智能算力更强、整个领域的发展状况如何等问题,好的指标可以引领该领域的健康发展。
然而,对人工智能算力来说制定这样的指标和测试方法并不容易,主要面临三重困难。一是单个人工智能训练任务很可能达不到全机规模;二是如果要测试规模变化巨大的人工智能集群计算机,测试程序必须是规模可变的;三是准确率的问题仍然待解。
来源: 羊城晚报?羊城派