datasheet

人工智能芯片的过去、现在和未来

2018-08-06来源: 半导体行业观察 关键字:人工智能

来源:本文由 公众号 半导体行业观察(ID:icbank)翻译自「semiengineering」。 


AI是当下的新闻热点。如今,AI已经用于医学诊断、合成新的化学物质、识别藏匿在人群中的罪犯的面孔、驾驶汽车,甚至进行艺术创作。有时,我们似乎感觉AI无所不能,人类很快就会失业,默默看着AI为我们完成一切。


为了解AI技术的起源,本文记录了AI的发展历程,通过高级驾驶员辅助系统(ADAS)和自动驾驶汽车的案例,分析了AI芯片目前的发展状态,以及如何让AI芯片真正改变我们的日常生活。让我们从AI的历史开始讲起,随着AI的发展,更专业化的技术出现了,即所谓的机器学习,它依靠经验学习而不是编程来做决策。反过来,机器学习也为后来的深度学习奠定了基础。深度学习涉及到分层算法,目的是为了更好地理解数据。


图1:AI导致了机器学习的出现,后来又演变成深度学习 (来源:英伟达)


AI技术本源


1956年达特茅斯会议上,科学家约翰·麦卡锡,克劳德·香农和马文·明斯基提出了“人工智能”一词。50年代末,阿瑟·萨缪尔(Arthur Samuel)提出了“机器学习”这个术语,他开发了一个西洋跳棋程序,可以从错误中吸取教训,经过学习后,甚至比编写程序的人棋力更强。


在这个计算机技术飞速发展的时代,乐观的环境让研究人员相信AI技术将在短时间内“攻克”。科学家们研究了基于人脑功能的计算是否能够解决现实生活中的问题,创造了“神经网络”的概念。1970年,马文·明斯基在《生活》杂志中讲到,“未来3~8年内,我们将拥有相当于普通人智力水平的机器。”


到了20世纪80年代,AI走出实验室,进入商业化,掀起了一股投资热潮。80年代末,AI技术泡沫最终破裂,AI又回到了研究领域,科学家们继续开发AI的潜能。行业观察者称AI是一种超前于时代的技术,也有人说是未来科技。经历了相当长一段时间的所谓“AI寒冬”之后,商业开发再次启动。


图2:AI时间表 


1986年,杰弗里·希尔顿(Geoffrey Hinton)和他的同事发表了一篇里程碑式的论文,描述了一种称为“反向传播(back-propagation)”的算法,该算法可以显著提高多层或“深度”神经网络的性能。 1989年,严恩·乐库(Yann LeCun)和贝尔实验室的其他研究人员创建了一个可以训练识别手写的邮政编码的神经网络,展示了这项新技术在现实世界中的重要应用。他们训练深度学习卷积神经网络(CNN)只花了3天时间。时光飞逝到2009年,斯坦福大学的Rajat Raina、Anand Madhavan和Andrew Ng发表了一篇论文,阐述了现代GPU在深度学习领域拥有远远超过多核CPU的计算能力。AI已经准备好重新起航。


探索真正的AI芯片


为什么当今我们总是听到不可胜数的关于AI的消息?关键因素的融合为AI技术的巨大进步奠定了基础,许多人认为这能够解决越来越重要的现实问题。利用当今互联网提供的基础设施,全球研究人员可以获得创建新算法和解决方案所需要的计算能力、大规模数据和高速通信。例如,汽车行业已经表示,愿意为AI技术投入研发资金,因为机器学习有能力处理自动驾驶等高度复杂的任务。


AI芯片设计的主要挑战之一就是将一切整合到一起。我们在这里讨论的是超大型的定制SoC,它使用多种类型的硬件加速器实现深度学习。设计AI芯片可能是非常困难的事情,尤其是考虑到汽车行业对安全性和可靠性的严格要求,但AI芯片仍然只是芯片而已,或许在加工工艺、存储器、I/O和互连技术方面会有一些新的解决方案。


像谷歌和特斯拉这样的IC设计新手公司,以及AIMotive和Horizon Robotics这样的AI芯片创业公司,都对深度学习的计算复杂性有深入的了解,但在开发这些最先进的SoC时,它们可能会面临严峻的挑战。可配置的互连IP在确保业内所有这些新参与者能够尽快获得功能性芯片方面可以发挥关键作用。


图3:AI芯片剖析图,以谷歌TPU为例。


例如,对于汽车前置摄像头,可以采用具有深度学习加速器的AI芯片,它们可以对路边的目标进行检测和分类。每颗AI芯片都有唯一的内存访问配置文件,以确保最大带宽。片内互连的数据流必须进行优化,以确保在满足性能目标时有更宽的带宽路径,但在可能的情况下分配窄路径以优化面积、成本和功耗。


每个连接也必须进行优化,以适应更高级别的AI算法。为了让它更有趣,人们每天都在开发新的AI算法。从某种程度上讲,今天的深度学习芯片就像香蕉,没有人想在自己的AI芯片中使用烂香蕉或老算法。对于这些前沿产品而言,上市时间甚至比其他很多半导体产品更为重要。


AI的未来


虽然深度学习和神经网络正在迅速推动AI技术的发展,但仍有许多研究人员认为,如果要实现AI最不可思议的目标,仍然需要从根本上采用完全不同的新方法。大多数AI芯片的设计都是为了实现LeCun和Hinton以及其他人在十多年前发表的相同想法的不断改进的版本,但是我们没有理由期望,沿着这条道路取得指数级别的进展就能让AI变得可以像人类一样思考。正如我们今天所知道的那样,我们无法将付出巨大努力完成了一项任务的深度学习应用到一项不同的新任务中。


此外,神经网络没有很好的方法来整合先前的知识,也没有“向上vs向下”(up vs down)以及“孩子有父母”(children have parents)这样的规则。最后,基于神经网络的AI需要大量的例子来学习,而人类只要有一次难忘的经历就能学会不去碰火炉。目前尚不清楚如何将现有的AI技术应用于那些没有海量标记数据集的问题。


虽然AI芯片目前还不是特别智能,但它们绝对很聪明,而且很有可能在不久的将来变得更加智能。这些芯片将继续利用半导体加工、计算机架构和SoC设计方面的先进技术,以提高处理能力,支持下一代AI算法。与此同时,新的AI芯片将继续需要先进的存储系统和片上互连架构,以便为新的专有硬件加速器提供深度学习所需的源源不断的数据流。


原文链接:https://semiengineering.com/artificial-intelligence-chips-past-present-and-future/




*本文由 公众号 半导体行业观察(ID:icbank)原创翻译。


关键字:人工智能

编辑:冀凯 引用地址:http://www.eeworld.com.cn/qcdz/2018/ic-news080623462.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:科技行业靠EV/AV“孤注一掷”?
下一篇:Automechanika Shanghai 11月28日盛大开幕!

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

戴伟民:自动驾驶和智能家居是人工智能落地重要领域

芯原的图形处理器GPU IP广泛应用在汽车数字仪表面板(全球第一)、车载信息娱乐系统(IVI)(全球第二)以及后座娱乐系统(全球第三),至今已累计服务超过7500万辆行驶的汽车。7家位列全球排名前10的汽车OEM厂商已经将芯原的图形IP用于其车载信息娱乐系统,6家排名前10的奢侈品汽车品牌将芯原的图形IP用于可重构仪表面板,在市场中占有绝对领先的地位。VIP8000则是面向计算机视觉和人工智能应用的高度可扩展和可编程的处理器,是市场上扩展性最强的平台。这款神经网络推理引擎最近在14nm工艺下的实测结果,实现了超过10 TeraOPS每瓦的功率效率,且运算速度的范围为0.5到72 TeraOPS。智能家居是AI落地的最广领域戴伟民表示
发表于 2018-12-06
戴伟民:自动驾驶和智能家居是人工智能落地重要领域

专访视见科技CEO陈浩:“做人工智能医疗的长跑者”

北美放射学年会(RSNA)在芝加哥的大雪中热火朝天,全球顶级的医疗影像设备厂商与人工智能企业纷至沓来。这一号称“影像学风向标的会议”将全世界生命科学观察者的眼光聚集于此。这是陈浩第一次带领视见科技团队来到芝加哥迈考密克展览中心,在大会上,视见科技荣获RSNA Pneumonia Detection Challenge挑战赛TOP 5,成为唯一一家获得此大赛荣誉的中国公司。今年,这家成立仅一年零8个月的公司今年已获得近亿元融资,并成为国内第一批送审肺结节NMPA三类器械的企业之一。在战略方面,视见科技迅速深化了其医疗智能影像的布局,强化同国内、外一些有知名大学背景的研究机构和公司的合作,并尝试在东南亚开拓市场。会议落幕不久,动脉网
发表于 2018-12-05
专访视见科技CEO陈浩:“做人工智能医疗的长跑者”

CCC推全球首个人工智能估算工具 可估算车辆碰撞损害

据外媒报道,当地时间12月3日,美国 CCC信息服务公司(以下简称CCC)宣布推出全球首个批量生产的人工智能(AI)解决方案,用于估算车辆碰撞损害。CCC®智能估算(Smart Estimate)技术利用了CCC的估算逻辑和AI图像分析能力,预先填充估算值,并为人类估算人员提供有关审核、编辑和改进的建议。在此过程中,Smart Estimate AI和人类估算人员互相学习,随着时间推移,快速且更加智能地估算汽车物理伤害(APD)。Smart Estimate是CCC远程信息处理和人工智能产品系列中的最新产品,共同为保险公司和保单持有人提供首次端到端数字索赔体验。CCC是一家领先的软件公司,为汽车、保险和碰撞维修行业提供
发表于 2018-12-05
CCC推全球首个人工智能估算工具 可估算车辆碰撞损害

为人工智能带来多核可扩展性,PowerVR Series3NX神经网络加速器

提供0.6至10 TOPS的单核性能及超过160 TOPS的多核可扩展性,以实现前所未有的计算性能和可扩展性等级  Imagination Technologies宣布推出其面向人工智能(AI)应用的最新神经网络加速器(NNA)架构PowerVR Series3NX。基于屡获殊荣的前代产品,新版Series3NX提供了无与伦比的可扩展性,使系统级芯片(SoC)制造商能够针对诸如汽车、移动设备、智能视频监控和物联网边缘设备等一系列嵌入式市场去优化计算能力和性能。 单个Series3NX内核的性能可从0.6到10万亿次操作/秒(TOPS),同时其多核实现可扩展到160TOPS以上。得益于包括无损权重
发表于 2018-12-05

合肥两大人工智能政策即将出台

集微网消息(文/小如)近日,为进一步推动人工智能产业发展,合肥市发布《合肥市关于加快人工智能产业发展的实施意见(征求意见稿)》与《合肥市关于加快推进人工智能产业发展的若干政策(征求意见稿)》,公开征求意见的截止时间为2018年12月5日。《合肥市关于加快推进人工智能产业发展的若干政策(送审稿)》中提出,重点支持人工智能领域,设立专项资金并加强企业招引培育。以下为该政策的重点内容:设立专项资金设立人工智能产业发展专项资金用于支持全市人工智能产业发展,重点支持研发创新能力提升、企业招引培育、智能示范应用、发挥联盟协会作用等方面。提升研发创新能力择优支持企业(单位)建设重大关键共性技术研发及产业化,按照项目实际投入总额的30%,连续奖励
发表于 2018-12-05
合肥两大人工智能政策即将出台

当5G与AI碰撞 安防终端智能将大放异彩

的结合将催生网络边缘终端的智能化。“简单来说,终端侧的AI人工智能发展需要5G这个桥梁与云端大数据相连通。” 李维兴表示“从无线终端的角度来说,智能手机、物联网、汽车都是可以应用AI人工智能技术的。”智能安防作为我国物联网应用最早的行业之一,致力于实现终端产品智能化一体化,使之能够连接无线传感,并通过互联网传输报警信息。端侧人工智能算法具有即时响应、可靠性提升、隐私保护增强,以及高效利用网络带宽等诸多优势。AI×5G技术在安防终端侧的应用正在走向融合,并逐渐成为带动新一代技术革命的“发动机”。未来所有与安防安全相关的传感器都将实现互联,当前所提及的智慧社区、智慧家居或其他智慧新概念,尽管还是浅层次的连接,但其在应用落地过程中,都必须
发表于 2018-12-04

小广播

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
pt type="text/javascript" src="//v3.jiathis.com/code/jia.js?uid=2113614" charset="utf-8">