当前位置:首页 > 业务领域 > 污泥处理 >

【am娱乐官网】AI军备竞赛,催生未来AI硬件架构发展3大方向

编辑:am娱乐官网 来源:am娱乐官网 创发布时间:2020-10-26阅读35504次
  

随着人们更多地用于AI来解决问题各领域的问题,“AI军备竞赛”已经开始。也就是说,通过更快的速度和低功耗操作,建立需要深度自学模式的专用硬件,在应用程序、数字助理、面部识别系统、内容推荐系统等翻译的功能,甚至医疗和自动驾驶等领域,都可以取得更大的变化。包括新的芯片体系结构,该赛事已经有了很多新的突破。这些突破正在以前所未有的新方式继续工作。

am娱乐官网

针对这种现象,软件工程师兼任技术博客TechTalks创始人Ben Dickson的回应,通过对这些新突破的洞察,我们将了解未来几年AI硬件体系结构的发展。以下是Ben Dickson的观点,在不改变本意的基础上,没有与编译器进行补充。

神经形态芯片神经网络是由数千个人工神经元组成的深度自学的关键。无论是非常简单的计算,还是图像识别和语音识别等简单任务,都需要(人工)神经网络。但是,目前传统计算机的升级不是基于神经网络的优化,而是基于一个或多个强大的中央处理器(CPU)。神经形态计算机与传统计算机不同,因为它用于模拟神经网络,即神经形态芯片的独特芯片体系结构。

该芯片由许多物理形态的人工神经元组成,在训练和操作神经网络时速度非常慢,效率非常高。本质上,神经形态计算的概念比20世纪80年代更早出现,但由于当时神经网络的效率太低,所以这个概念不太受关注。近年来,随着对深度自学和神经网络的关注死灰复燃,对神经形态芯片的研究也受到了新的关注。

今年8月,顶级学术杂志《大自然》 (Nature)刊登了清华大学舒鲁平教授组的研究,登上了本期封面。(见公众号:前一份报告)杂志名为《Towards Artificial General Intelligence with Hybrid Tianjic Chip Architecture》的论文解说它融合了大脑计算和基于计算机科学的人工智能。为了验证这个世界上第一个异构融合的AI芯片,研究小组设计了无人驾驶智能自行车系统。据悉,该系统还包括激光GPS、陀螺仪、照相机等传感器、制动电机、电动机、驱动电机等致动器、控制平台、计算平台、天基系统等报废平台。

论文第一作者加州大学圣塔芭芭拉分校博士后邓磊指出:“与自动驾驶仪相比,智能自行车看起来很小,但本质上是一个‘五脏’完备的小型脑技术平台。”指出无人驾驶自行车系统的语音识别、自主决策、视觉跟踪功能使用模拟大脑的模型,目标观测、运动控制和逃逸障碍功能使用机器学习算法模型。”(威廉莎士比亚,Northern Exposure(美国电视连续剧),)虽然不需要证据证明神经形态芯片是构建标准化人工智能的正确道路,但它们的研发身份对更有效的人工智能硬件的出现没有帮助。此外,神经形态计算已于——年7月推出,Intel推出了带有64个Intel Loihi神经形态芯片的电脑Pohoiki Beach。

总共需要模拟800万个人工神经元。Loihi以比传统处理器慢1000倍的速度处理信息,效率比传统处理器低10,000倍。

但是,这种神经形态芯片不适合取代现有的CPU体系结构。有潜力加快制药合规问题、图形检索、密集编码等专业应用领域。

英特尔承诺今年年底将Pohoiki Beach扩大到1亿个神经元。 据悉,光学计算用神经网络和深度自学计算需要大量计算资源和电力,人工智能的碳足迹已经沦为环境问题。今年6月,研究人员推测,训练AI产生的碳足迹相当于284吨二氧化碳当量,是普通汽车寿命内排放量的5倍。

am娱乐平台

同时,神经网络的能源消耗也允许在电力有限的环境中应用。随着摩尔定律的上升,传统电子芯片的发展似乎更加困难,以满足人工智能行业的市场需求。

目前,多家公司和实验室已将目光转向光学计算,计算出解决方案——光学,用光子代替电子,用光学信号代替数字信号进行计算。光学计算装置不像铜线那样产生热量,因此可以大大减少能源消耗。光学计算特别限于慢矩阵乘法,这是神经网络的核心运算之一。

am娱乐平台

在过去的几个月里,经常出现一些光学AI芯片原型。总部设在波士顿的Lightelligence开发了与当前电子硬件兼容的光学人工智能加速器,通过优化一些困难的神经网络计算,人工智能模型的性能可以提高一两个左右。Lightelligence的工程师们回应说,光学计算的变化也将减少人工智能芯片的生产成本。

最近,香港科技大学的研究人员只开发了光警网络。为了确认这种新方法的能力和可行性,建立了概念检查模型,这是一个具有16个输出和2个输入的几乎连接的两层神经网络。然后,仅使用光学网络对Ising模型的有序和无序阶段进行分类。

结果表明,只有光学神经网络和训练有素的基于计算机的神经网络一样准确。研究组成员刘俊伟表示:“通过我们的全光方案,神经网络可以以光速继续进行光学并行计算,但消耗的能源很少。

”大规模的全光警察网络可以作为从图像识别到科学研究的多种应用。大型芯片记录:右图是Cerebras的大型芯片,有时持续扩大规模是解决问题的好方法。

今年8月,硅谷初创企业Cerebras Systems推出了包括1.2万亿晶体管在内的大型人工智能芯片,这是历史上仅次于半导体芯片的第二次。此外,它在42225平方毫米的面积中有40万个核心,比Nvidia最大规模的图形处理器大56.7倍,后者大小为815平方毫米。据悉,该大型芯片需要放慢数据处理速度,并将人工智能模型——训练成更慢的速度。谷歌、Facebook、OpenAI、腾讯、百度等很多公司今天AI的基本局限性是训练模式耗费了太多时间。

因此,增加AI培训时间可以避免整个行业变化的主要瓶颈。与传统GPU和CPU相比,这款超大芯片的独特体系结构增加了能耗。Linley Gwennap是Linley Group首席分析师,他表示,Cerebras的芯片级技术有了很大的提高,远远超过了任何人都无法想象的处理性能。

am娱乐平台

为了完成这项壮举,该公司还解决了一系列后遗症工程行业数十年来的恶性工程课题。Cerebras最近与美国能源部签署了合同,美国能源部将利用该芯片加快科学、工程和身体健康领域的深度自学研究。但是生产超大型芯片并不意味着万事大吉。

因为芯片的大小是空间不允许的。另外,芯片制造商通常生产这么大的芯片。

因为生产过程中经常发生杂质,很有可能导致芯片故障。目前各行各业都在为深度自学寻找应用场景,因此单片机体系结构主导市场的可能性很小。 但是可以同意,未来的人工智能芯片很有可能与过去几十年的经典CPU不同。记录:本文的编译器在VentureBeat原创文章(Venturebeat Original Foundation)中获得许可,禁止发布。

下面,我们来听一下关于刊登的注意事项。【am娱乐平台】。

本文来源:am娱乐平台-www.ctr-diving.com

0968-60511227

联系我们

Copyright © 2010-2014 拉萨市am娱乐平台股份有限公司 版权所有  藏ICP备54816663号-1