AI芯片的过去、现在与未来

http://blog.itpub.net/31542119/viewspace-2199570/

医疗争端、化学合成、罪犯识别、自动驾驶等应用领域，AI的威力日趋扩大。目前哪些是AI做不到的，未来哪些事又是AI可能做到的？美国商用系统芯片互连IP供应商ArterisIP的CTO Ty Garibay发表了一篇博客，解释了AI及AI芯片的前世今生。

经历了第一次泡沫、寒冬时期、研究重启的AI技术，目前的突破点在基础层AI芯片的更新中。AI到底能不能超越现在顺利达到深度学习的高标准，还是有待商榷和验证的。

简史

“人工智能”的术语1956年便诞生，由三位科学家John McCarthy、Claude Shannon and Marvin Minsky在英国达特茅斯会议上提出。当时那个年代末期，Arthur Samuel创造了“机器学习”的概念，指能够从错误中学习的程序，这个程序甚至能够在跳棋等游戏中表现胜过编程的人。

计算机技术的飞速进步使研究者相信，AI可很快解决。科学家们在研究基于人类大脑功能计算是否能解决实际生活中的问题过程中，创造了“神经网络”的理念。

1970年，科学家Marvin Minsky在《生活周刊》采访中表示，3至8年内，将有望出现一台与人类平均智力相当的机器。

上世纪80年代，AI走出了实验室并走向商业化，还掀起了AI投资狂潮。当AI相关的科技股泡沫破灭后，AI又重新回到实验室。“AI寒冬”到来。业内人士认为，当时发展AI技术过于超前，甚至此技术永远都无法普及。

1986年，神经网络之父Geoffrey Hinton和其他研究人员发表了一篇里程碑式的报告，报告探讨了在“反向传播”算法如何使深层神经网络反应更出色。

1989年，深度学习三巨头之一的美国计算机科学家杨立昆（Yann LeCun）与当时他在贝尔实验室的同事通过培养能够识别手写ZIP码的神经系统而验证了一个AI理论在真实生活中的可行性。

2009年，斯坦福大学的Rajat Raina、Anand Madhavan和Andrew Ng发表了论文，论证了现代GPU的深度学习能力远远超过CPU。AI大军似乎卷土重来了。

现在

为什么现在投资界都在聊AI，说到底驱动因素是计算机技术成熟，海量数据容易获得，一旦研究者有了这些资源，算法与解决方案也就不是天方夜谭。

但AI芯片的最大挑战是，如何在系统级的芯片中，将以上资源协调在一起，而且系统级的芯片是以硬件加速器为载体的。

所以AI芯片的设计要求很高，尤其是在汽车行业，对安全和可靠性的标准一点都不能降低。

谷歌和特斯拉这样的公司对集成电路设计也许还并不成熟，而AI Movie、Horizon Robotics等AI初创企业虽然对机器学习有很深造诣，但要完成高水准的系统级芯片研发也很困难。

以汽车前置摄像头中的深度学习AI芯片加速器为例，此芯片主要用途是为了分析和检测道路上的车辆、物体。每个AI芯片都带有记忆文件以确保最大的带宽。

芯片内互联机制必须在检测到物体时保证较宽的带宽，并且在没有遇到物体，优化能源耗损时分配较窄的带宽。而优化的手段就是更新更高级的算法。这样的AI算法每天都要更新或升级一次。

如果把现在的深度算法芯片比作香蕉，那么没人愿意保留烂了的香蕉。其实AI芯片中旧算法就好比烂香蕉。所以对AI芯片来说，问世时间比其他类别的半导体更加敏感。

未来

除了深度学习和神经网络大幅推动了AI技术的进程，仍有很多研究者认为，如果AI要达到更好的要求，还需要更多的方法去支持AI芯片。

大多数AI芯片的设计目前只是基于杨立昆和Hinton等学者的理论而研发出的不同版本，但如果一直沿着这一条轨道前进，AI技术无法有更大的实质突破，更不用说用AI完全替代人类思维。

目前AI技术还是要建立在“标签化”数据的基础上的，它无法完成一个与历史经验毫无关联的任务。神经网络也并没有将已有知识与陌生规则（例如，“向上”的对立面是“向下”、孩子由父母生育等事实）。

AI技术现在还不能根据没有标签的数据解决问题，好比一个人即使没被烫过，也不会主动去碰点燃的火炉，AI却还做不到。即使通过“标签化”的数据学习，数据样本也要足够大。

AI芯片似乎没能表现得比人类更智能，但它们的学习能力很强，未来可以变得更聪明。算法和芯片系统的设计都可以进步，这需要AI芯片具备更高级的记忆系统和连接机制，以及承载深度学习数据流的硬件加速器。

【本文转载自：人工智能和大数据，作者：AI小哥，原文链：https://mp.weixin.qq.com/s/6mEDr_eHGqBgK0oofqUL3A】

AI芯片的过去、现在与未来相关推荐

AI芯片：从历史看未来
来源:36氪摘要:从芯片发展的大趋势来看,目前尚处于AI芯片发展的初级阶段,无论是科研还是产业应用都有巨大的创新空间.我们相信,未来十年将是AI芯片发展的重要时期,有望在架构和设计理念取得巨大的突破 ...
英特尔 AI 芯片业务的现状与未来
[CSDN 编者按]近两年来,在英伟达.高通.AMD.英特尔.华为等科技公司加速布局的战略规划下,芯片领域竞争愈演愈烈.如今随着人工智能时代的到来,再次为芯片市场激发新的活力,而与此同时,这意味着新一 ...
2023年中国AI芯片行业市场现状及未来发展趋势预测
2023年AI芯片报告汇总了60家国产AI芯片厂商,大致按如下应用类别进行归类:云端加速.智能驾驶.智能安防.智能家居.智能穿戴.其它AIoT.对于每一家筛选的公司,我们从主要产品.核心技术.应用场景 ...
AI芯片模型设计AI芯片到底会带来怎样的未来
AI芯片设计AI芯片是怎么样的一个逻辑,简单的来说就是老师教学生,学生成为老师教学生,不断的迭代,当然学生一定是比老师有进步的就是这样的不断的迭代几个周期后就会将算力进行提高好多倍具体的有两种方案 ...
AI芯片大战已然打响，国内外巨头抢占万亿智能家居市场
http://www.smartcn.cn/177925.html 2019年,AI芯片的竞争"硝烟弥漫":先是思必驰发布旗下首款具备完整AI算法指令集及硬件加速引擎的AI芯片TA ...
清华发布《人工智能AI芯片研究报告》，一文读懂人才技术趋势
来源:Future智能摘要:大数据产业的爆炸性增长下,AI 芯片作为人工智能时代的技术核心之一,决定了平台的基础架构和发展生态. 近日,清华大学推出了< 人工智能芯片研究报告 >,全面讲 ...
AI芯片评测如何与时俱进？地平线提出全新MAPS评测方法，帮助用户理解AI芯片性能...
允中发自凹非寺量子位编辑 | 公众号 QbitAI AI芯片性能该如何评估?目前业界内有两种: 一是峰值算力,它反映AI芯片理论上的最大算力,但却不能反映其在实际场景中的处理能力: 二是目前行 ...
大陆首款车量AI芯片开启国产替代新纪元
汽车从诞生至今已有一百三十多年历史.在长达一个多世纪的时间里,人类无时无刻不在想办法优化它的性能.但此前由于算法和算力的限制,汽车的性能优化只停留在第二产业阶段,和信息化并无太多联系. 近几年,随着人 ...
清华出品：最易懂的AI芯片报告！人才技术趋势都在这里
清华出品:最易懂的AI芯片报告!人才技术趋势都在这里 https://mp.weixin.qq.com/s/kDZFtvYYLLqJSED_0V1RZA 2010 年以来, 由于大数据产业的发展, 数 ...
华为、苹果、高通，谁在领跑？全面解读清华AI芯片报告
来源:智东西摘要:本文全面讲解人工智能芯片,系统梳理人工智能芯片的发展现状及趋势. 2010 年以来,由于大数据产业的发展,数据量呈现爆炸性增长态势,而传统的计算架构又无法支撑深度学习的大规模并行计 ...

AI芯片的过去、现在与未来

AI芯片的过去、现在与未来相关推荐

最新文章

热门文章