为高效视觉人工智能系统创建定制编程语言
内容提要
麻省理工学院副教授乔纳森·拉根-凯利专注于优化计算机图形和图像处理，致力于开发高性能编程语言和机器学习技术。他的研究旨在提高新硬件在图像处理和人工智能领域的计算效率，通过自动化编译和机器学习优化程序，以适应复杂的硬件环境。
延伸解读
从通用到专用：领域特定语言的价值
拉根-凯利的研究核心是牺牲通用性以捕捉特定计算问题的结构，从而提升效率。例如，他参与开发的Halide语言专为图像处理设计，能高效处理密集规则数组，不仅革新了图像编辑行业，也适用于神经网络计算。这种思路表明，在硬件日益多样化的今天，针对特定领域定制编程语言，比坚持通用语言更能释放硬件潜力。
平衡性能与安全：用户可调度语言的探索
传统高性能编程常依赖低级语言手工优化，虽能榨取性能却易引入错误且开发效率低；而高级接口虽安全高效，却难以精细控制编译器。拉根-凯利团队试图找到中间地带，开发用户可调度语言，为性能工程师提供安全的高层控制手段，以平衡性能与安全性。这一方向有望让更多开发者轻松优化复杂硬件上的程序。
自动化与机器学习：编译器优化的新路径
拉根-凯利团队将机器学习应用于自动生成优化调度，并探索“外编译”方法，将编译器结构反转，允许人类指导与定制。这些技术旨在减少对手工调优的依赖，同时保持对关键问题的控制。其应用覆盖计算机视觉、语音合成、大语言模型等，显示出自动化编译器优化在广泛AI任务中的潜力。
面向大语言模型的系统级重构
在MIT-IBM Watson AI Lab的项目中，拉根-凯利团队正从系统角度重新思考大语言模型，调整计算和编程架构，使基于Transformer的模型能在AI硬件上更高效运行，且不牺牲准确性。这种偏离常规的思路可能大幅降低成本、提升能力，或缩小模型内存需求，让LLM在更小设备上运行，体现了对计算效率的前瞻性追求。
Q&A
乔纳森·拉根-凯利的研究重点是什么？
他的研究重点是优化计算机图形和图像处理，开发高性能编程语言和机器学习技术。
Halide编程语言的主要用途是什么？
Halide编程语言主要用于图像处理，已在行业中广泛应用于图像编辑软件。
拉根-凯利如何提高计算效率？
他通过牺牲通用性来捕捉特定计算问题的结构，从而提高计算效率。
用户调度语言的目的是什么？
用户调度语言旨在提供更高层次的控制，平衡性能和安全性。
拉根-凯利的团队如何利用机器学习？
他们将机器学习应用于自动生成优化调度，以提高编译器性能。
拉根-凯利对大型语言模型的研究有什么创新？
他的团队正在重新思考大型语言模型的计算和编程架构，以提高在AI硬件上的运行效率。
