偶然当程序员却拿下图灵奖，超算榜单之父讲述人生开挂经历( 二 ) _top

超算的另一个发展方向，就是更适合做AI计算。
AI有很多方面，有ML、NLP、专家系统、CV、语音、机器人等。
Jack Dongarra给出了超算适合做AI计算的理由。
首先，互联网上存在的大量数据，可以用来训练和建立ML算法，与此同时，因为提升洞察力， ML已经成为了解决问题时所要考虑的“基础设施”之一。
而关于用来做ML计算内核的GPU，人类也对其背后的算法和理论有了更深度的了解。
ML的核心是矩阵，线性代数在其中扮演着重要的角色。
“8位浮点（FP8）精度很适用于训练神经网络的硬件。”
Jack Dongarra对此进行了进一步解释：

相比于16位、32位的浮点精度，较低的精度正是ML所需要的。
这就是为什么现在更多的计算机被设计用来专门解决ML的问题。

他还提到，未来的超算或许会拥有更多的加速器，它们可以用来进行ML、神经神态计算、量子计算、光学计算等。
“从标量到向量，从向量到分布式内存，从分布式内存到加速计算，再到使用混合精度来进行计算。”Jack Dongarra总结道， “我得出结论，这里有三场计算机革命。”
意外走上漫漫超算路
拿下图灵奖的Jack Dongarra并非一开始就以当程序员为己任，一切都是“意外” 。
高中毕业后，他选择进入芝加哥州立大学就读——这所学校类似于地方性的师范学校，为芝加哥公立学校系统培养了不少教师。
大三、大四时，Jack Dongarra福至心灵地“醒悟”，发现自己并不想教书。
几经周折，他申请了阿贡国家实验室的本科生职位。在那里，他有机会和真正的科学家一起做一些实际工作，并获取课程学分。
于是，就读于芝加哥州立大学的最后一个学期，Jack Dongarra在阿贡国家实验室度过了16周左右的时间。
△1980年Dongarra在阿贡国家实验室
在阿贡国家实验室的这段经历，促使他决心转攻计算机。
本科毕业之后，先在在伊利诺伊理工学院拿到CS硕士学位，又进入新墨西哥大学继续深造。
这里有一张1979年拍摄的照片，左数第二个年轻小伙就是Jack Dongarra本人。
那个时候，作为新墨西哥大学研究生的他，头发还很茂盛（他自己说的）。
图上四人搞了个小组，开发了一个叫LINPACK的项目，为此，Jack Dongarra还给自己心爱的车车挂上了同名车牌。
具体来说， LINPACK是一套求解线性方程组的数学软件。
没错，那个时候小帅哥本人真正醉心的还是线性代数领域。
他曾这样描述自己40年来成为程序员的动力：