硬件的未来在AI、AI的未来在材料

2018-03-13 21:18:43编辑:王磊 关键字:AI  硬件发展  智能化

由于,人工智能(AI)担负工作与目前大多数计算机的运算工作有些不同。然而,AI隐含着分析预测、推理、直观的能力与功能。实时是最有创意的机器学习算法也受到现有机器硬件能力的束缚。因此,若要在AI方面取得长足进步,我们必须在硬件上进行改变,或是半导体材料上进行突破。演变从GPU开始,引入模拟设备(analog devices),然后演变成为具容错性量子计算机(fault tolerant quantum computers)。



现在从大规模分布式深度学习算法应用于图形处理器(GPU)开始将高速移动的数据,达到最终理解图像和声音。DDL算法对视频和音频数据进行训练,GPU越多表示学习速度越快。目前,IBM创下纪录:随着更多GPU加入能提升达到95%效率,就能识别750万个图像达到33.8%,使用256个GPU 于64个Minsky电源系统上。


自2009年以来,随着GPU模型训练从视频游戏图形加速器转向深度学习,使分布式深度学习每年以约2.5倍的速度发展。所以IBM曾于2017年IEEE国际电子设备会议(2017 IEEE International Electron Devices Meeting)针对应用材料发表Semiconductor Futurescapes: New Technologies, New Solutions,谈到需要开发哪些技术才能延续这种进步速度并超越GPU?


如何超越GPU


IBM研究公司认为,GPU的转变分为三个阶段进行:


1、首先将在短期内利用GPU和传统的CMOS构建新的加速器以继续进行;


2、其次将寻找利用低精密度和模拟设备(analog devices)来进一步降低功率和提高性能的方法;


3、然后进入量子计算时代,它可是一个机会,能提供全新的方法。


在CMOS上的加速器还有很多工作要做,因为机器学习模型可以容忍不精确的计算。正因为“学习”模型可以借助错误学习而发挥作用,然而,在银行交易是无法容忍有一些许的错误。预估,精准运算快速的趋势,到2022年每年以2.5倍在提高。所以,我们还有五年时间来突破模拟设备(analog devices),将数据移入和移出内存以降低深度学习网络的训练时间。因此,analog devices寻找可以结合内存和运算,对于类神经演算的进展将是非常重要的。


类神经演算如同模拟脑细胞。神经元(neurons) 结构相互连接以低功率讯号突破von-Neumann的来回瓶颈(von-Neumann’s back-and-forth bottleneck),使这些讯号直接在神经元之间传递,以实现更高效的计算。美国空军研究实验室正在测试IBM TrueNorth神经突触系统的64芯片数组,专为深度神经网络推理和挖掘信息而设计。该系统使用标准CMOS,但仅消耗10瓦的能量来驱动其6400万个神经元和160亿个突触。


但相变化内存(phase change memory)是下一代内存材料,可能是针对深度学习网络优化的首款仿真器件。


进入量子时代 (quantum)


据IBM公司的研究论文,在Nature Quantum Information中展示了机器学习中量子的优势证明(“Demonstration of quantum advantage in machine learning”),展示了只有五个超导量子位处理器,量子运算能够稳定减少达100倍运算步骤,并且比非量子运算更能容忍干扰的信息。


IBM Q的商业系统现在有20个量子位,并且原型50个量子位设备正在运行。它的平均时间为90μs,也是以前系统的两倍。但是容错系统在今天的机器上显示出明显的量子优势。同时,试验新材料(如铜相通的替代品)是关键 - IBM及其合作伙伴在IEDM上推出的其他关键芯片改进,以推进所有运算平台,从von Neumann到类神经及量子。


解决处理器到储存器的连接和带宽瓶颈,将为AI带来新的储存器架构,最终可能导致逻辑和储存器制造过程技术之间的融合。IBM的TrueNorth推理芯片就是这种新架构的一个例子,其中每个神经元都可以存取自己的本地储存器,并且不需要脱机存取储存器。


借助训练和推理形式的AI运算,必须推向边缘装置上(edge devices),例如:手机、智能手表等。因此,这将兴起由计算设备组成的网络系统。大多数这样的边缘装置会受到功率和成本的限制,所以他们的计算需求可能只能透过高度优化的ASIC来满足。现在,传统无晶圆厂半导体公司是否有能力提供这类型的ASIC或是否由AI芯片新创公司例如云端服务提供商,由谁主导目前还为时过早。


备注:*冯诺伊曼架构(von Neumann bottleneck):是一种将程序指令内存和数据存储器合并在一起的计算机设计概念架构,因此也隐约指出将储存装置与中央处理器分开的概念。在CPU与内存之间的流量(数据传输率)与内存的容量相比起来相当小,在现代计算机中,流量与CPU的工作效率相比之下非常小。当CPU需要在巨大的数据上执行一些简单指令时,数据流量就成了整体效率非常严重的限制,CPU将会在数据输入或输出内存时闲置。由于CPU速度远大于内存读写速率,因此瓶颈问题越来越严重。

关键字:AI  硬件发展  智能化

来源: 21IC中国电子网 引用地址:http://www.eeworld.com.cn/wltx/article_2018031319721.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:对话爱立信CTO Erik Ekudden:回答关于5G的一切疑问
下一篇:机器人才是工业应用的主角

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

鲁大师发布年中手机报告:高通称霸性能榜 华为AI能力领先

与坚果R1获得冠军在系统UI排行榜上,出现了两个意外情况,一是煤油们津津乐道的Flyme没有上榜,二是谷歌原生的Android N意外上榜,看来Android原生在系统流畅度上比某些国产深度定制的UI强上不少。在时下热门的手机AI榜单上,华为终于一洗不敌高通骁龙处理器性能的雪耻,三款搭载麒麟970处理器的手机摘得冠亚季军,一时间风光无限。在手机VR性能榜上,分辨率在2K以上的,三星S9+夺冠,分辨率是1080P的,一加6登顶。在假机排行榜上,三星有三款手机上榜,其中多年前的旗舰三星S3深受山寨厂商的喜爱,摘得第一,苹果去年发布的iPhone8与iPhone X势头也很猛。看完鲁大师发布的年中手机报告,你有何感想了?
发表于 2018-07-23 08:27:47
鲁大师发布年中手机报告:高通称霸性能榜 华为AI能力领先

还在萌芽期的AI,该如何成长?

“AI现在还处于婴儿期,不是几家公司凭一己之力就够了,需要构建强大的生态,汇聚技术、人才、资本和产业等资源,与众多生态合作伙伴共同推动创新。”英特尔中国战略合作与创新业务部董事总经理、英特尔创新加速器总负责人李德胜在近日主办的“2018 RAIC雷克大会(机器人与AI大会)”上,对AI现状与发展进行了深度的剖析,并分享了英特尔如何利用端到端的技术与中国产业合作伙伴共建AI创新生态,推动智能应用的落地和突破之举。  AI还处于婴儿期  需脚踏实地+仰望星空虽然AI产业发展如火如荼,但李德胜认为,目前的AI还只处在婴儿期,还有诸多工作要做。 李德胜认为,一方面要脚踏实地,企业想要开启人工智能之旅
发表于 2018-07-20 19:26:40
还在萌芽期的AI,该如何成长?

AI不稳定,就业有风险,所以要招本科生?

,却是个充满争议的话题。 在目前的学科规划中,人工智能的主体是计算机科学下的二级学科。一般要到研究生阶段才能选择攻读。与此同时,AI相关专业还散落在数学、信息科学,甚至社会学、心理学、生物学当中。 有人认为,这样的规划已经无法满足AI发展的真实需求;也有人认为AI刚刚发展起来,就要高校体系来给予配合,有点过于冒进了。 在大多数省份,现在还是填报志愿的阶段。咱们不妨来透视一下这场争议中的几个观点,如果身边有学子正在纠结于是否选择,或者如何选择AI相关专业,不妨思考这几个声音之后再来判断。 反方观点A:AI不稳定,就业有风险让我们先从反对观点说起。 众所周知,本科生不会都进入研究生阶段继续
发表于 2018-07-20 19:22:43
AI不稳定,就业有风险,所以要招本科生?

英特尔AI用在了哪些地方?

自从1956年,一批远见卓识的年轻科学家在一起,首次提出“人工智能”以来,已经过去了62年。 60年间,人工智能经历了三次浪潮的变革。与前两次浪潮不同的是,正在发生的这一次浪潮,使得海量大数据、计算机运算能力和不断提升的算法交汇在一起。 巨头们的AI技术频频突破,也让人工智能在商业市场也变得炙手可热。 但如果你对AI的印象仍旧停留在大热的阿尔法狗如何打败人类,那么显然你已经Out了。 事实上,人工智能已经潜移默化的深入都生活的各个角落,以一种进化的方式改变着传统人力模式的运作逻辑,重塑着个人、商业与社会的未来图谱。 如果说前两次人工智能浪潮是提出问题,那么现在AI研究的核心是如何解
发表于 2018-07-20 18:59:36
英特尔AI用在了哪些地方?

18AI企业除了走安防企业的老路外别无去处?

AI企业在大张旗鼓进军时各产业时,曾说道:金融是人工智能应用落地最快的领域。而在实际落地过程中,我们不难看到,AI企业除了走安防企业的老路外,就是对一些简单、重复性的工作进行渗透,并没有像安防行业一样全面发展。 重复的道路:切入安防在数年前,金融安防通常被称为安防中的VIP。中国人民银行的史奇中高工曾开玩笑说,以前走到杭州,安防企业总经理一定会亲自跑来迎接。对于安防人来说,金融安防就是一个香饽饽,在安防产业中,金融安防就是“财大气粗、安防中的金钻VIP、土豪”的代名词。而如今,金融安防早已失去往日的光辉,传统安防企业早已不待见金融安防。 对于金融用户来说,传统安防企业所提供的解决方案已经不能满足他们日益增长
发表于 2018-07-19 21:22:56

人工智能赋能AI电视

映画底座设计,非常的稳定牢固,美观的同时更能确保机身的安全。 背板采用了金属拉丝工艺,保证坚固的同时又将美感提升了一个高度,下方是弧形排风口,排风口采用向上的设计,避免了在面对墙体时热量对机身进行损伤,从而最大程度的散热。 背板下方中央是壁挂支架,有落地式和壁挂式两种方式供用户选择,接口方面,TCL X5拥有两个USB口、一个网线口、三个HDMI口、天线输入口、AV输入口和数字音频接入口,并且采用了隐藏式设计,更利于用户走线,在观赏时显得更加整洁。接口左侧有一个开关/操作键,这是便于当遥控器没电时可以快速为用户提供帮助,此外充电接口也采用了隐藏式设计,观看更加舒适。 3、AI智能在系统方面,声音设置中有
发表于 2018-07-19 20:47:00
人工智能赋能AI电视

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