AI军备竞赛,催生未来AI硬件架构发展3大方向_十博在线登录

本文摘要:随着人们在AI解决问题的各个领域的问题,AI军备竞赛已经开始,建立了需要更高速度和更低功耗运营深度自学模型的专用硬件,构筑了应用程序、数字助手、脸部识别系统、内容推荐系统等方面的功能,在医疗保健和自动驾驶等领域获得了更大的变革。

十博在线登录

随着人们在AI解决问题的各个领域的问题,AI军备竞赛已经开始,建立了需要更高速度和更低功耗运营深度自学模型的专用硬件,构筑了应用程序、数字助手、脸部识别系统、内容推荐系统等方面的功能,在医疗保健和自动驾驶等领域获得了更大的变革。包括新的芯片结构在内,这场比赛已经有很多新的突破,这些突破以前没有的新方法继续执行任务。针对这一现象,软件工程师兼任科技博客,TechTalks创始人Ben、Dickson回应,通过对这些新突破的洞察,我们可能可以看到未来几年AI硬件结构的发展。

以下是BenDickson的观点,在不改变本意的基础上不进行编译和补充。神经形态芯片神经网络是深度自学的关键,由成千上万的人工神经元组成。无论是非常简单的计算,还是图像识别和语音识别等简单的任务,都离不开神经网络。但是,现在传统计算机的升级不是基于神经网络的优化,而是基于更强的中央处理器(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。

该芯片由许多物理形态的人工神经元组成,在训练和运营神经网络时效率非常慢。实质上,神经形态计算的概念早于20世纪80年代,但由于当时神经网络的效率太低,这一概念并没有引起太多关注。近年来,随着人们对深度自学和神经网络的兴趣重燃,神经形态芯片的研究也受到了新的关注。

今年8月,顶级学术期刊《自然》(Nature)发表了清华大学施路平教授团队的研究,该研究登上了该期的封面。(参照(公共编号:)以前的报道)杂志上命名为面向人工标准化智能的异构天机芯片架构的论文说明,清华大学施路平教授的团队研究了一种叫做天机的新型人工智能芯片,即本文所说的神经形态芯片为了检验世界上第一个异构融合的AI芯片,研究团队设计了无人智能自行车系统。据报道,该系统还包括激光GPS、陀螺仪、照相机等传感器、制动马达、转向马达、驱动马达等驱动器、控制平台、计算平台、天机板级系统等处理平台。

论文的第一作者,加利福尼亚大学圣塔芭比分校博士后,邓磊指出,智能自行车看起来比自动驾驶飞机小,但实质上是五脏俱全的小型大脑技术平台…无人自行车系统的语音识别、自律决策、视觉跟踪功能使用模拟大脑的模型虽然不需要证据指出,神经形态芯片是建设标准化人工智能的正确道路,但其研发认可不协助更高效的人工智能硬件登场。而且,神经形态的计算已经引起了大型科技公司的注意——今年7月,英特尔发售了Pohoikibeach。这是一台配备了64块英特尔Loihi神经形态芯片的计算机,需要模拟共计800万个人工神经元的Loihi处理信息的速度比传统处理器慢10000倍,效率比传统处理器低100000倍。但是,这种神经形态芯片不适合取代传统的CPUUUUUUUUUUUUUUUUUUUUUUUUU。

十博入口

英特尔承诺今年下半年将PohoikiBeach扩大到1亿神经元。光学计算众所周知,神经网络和深度自学计算需要大量的计算资源和电力,人工智能的碳足迹已经成为环境问题。今年6月,研究人员预计,训练AI产生的碳足迹等于284吨二氧化碳,是普通汽车寿命内排放量的5倍。

与此同时,神经网络的能源消耗可以在电力有限的环境中应用。随着摩尔法则的上升,传统电子芯片的发展希望满足人工智能行业的市场需求。目前,一些公司和实验室已经把目光转向光学计算,寻求解决办法——光学计算用光子更换电子,用光学信号更换数字信号,开展计算。

光学计算的设备不像铜电缆那样产生热量,大幅度降低了能源消耗的光学计算也特别限于慢矩阵乘法,是神经网络的重要运算之一。过去几个月,光学AI芯片的原型机经常出现。总部位于波士顿的Lightelligence,公司开发了光学人工智能加速器。

该加速器与当前的电子硬件相容,通过优化一些困难的神经网络计算,可以将人工智能模型的性能提高到两个数量水平。Lightelligence工程师回应,光学计算的变革也降低了人工智能芯片的生产成本。最近,香港科技大学的研究人员开发了光神经网络。

为了证实这种新方法的能力和可行性,他们建立了一个概念检测模型,即具备16个输出和2个输入几乎相连的双重神经网络,然后用于唯一的光学网络分类Isingword模型的秩序和无序阶段。结果表明,光学神经网络和基于计算机的神经网络一样准确。研究小组成员刘俊伟说:我们的全光学方案使神经网络以光速继续光学并行计算,但消耗的能量很少。

大型全光学神经网络可作为从图像识别到科学研究的各种应用。大型芯片记录:右图是Cerebras公司的大型芯片,扩大规模明显是解决问题的好方法。今年8月,硅谷创业企业Cerebrassystems发售了包括1.2万亿晶体管在内的大型人工智能芯片,除了比Nvidia最大的图形处理还要大4225平方米。这种大型芯片减缓了数据处理速度,需要以更慢的速度训练人工智能模型——据报道,谷歌、Facebook、OpenAI、腾讯、百度等多家公司指出,今天的AI模型的基本限制是训练模型的时间太宽。

十博在线登录

因此,增加AI训练时间可以避免行业整体变革的主要瓶颈。与传统GPU和CPU相比,这种超大型芯片的独特结构增加了能源消耗。LinleyGroup首席分析师LinleyGwennap在声明中表示,Cerebras的晶片级技术取得了很大进步,在单个硅片上构筑了远远超出谁想象的处理性能。

为了完成这一伟业,该公司解决了一系列后遗症工程行业数十年的恶性工程挑战。Cerebras最近与美国能源部签约,美国能源部利用该芯片加快科学、工程和健康领域的深入自学研究。但是,生产超大型芯片并不意味着一切顺利。

因为芯片的尺寸不会被用于空间的允许,而且芯片制造商一般也会生产这么大规模的芯片,因为在生产过程中经常会出现杂质,导致芯片故障的可能性很高。现在各行各业都在为深度自学寻找应用于场景,单一芯片结构主导市场的可能性很小。但是,未来的人工智能芯片很可能与过去几十年的经典CPU相同。

记录:本文编译器是VentureBeat原创文章,允许禁止发表。下一篇文章发表了注意事项。

本文关键词:十博安全吗,十博在线登录,十博入口

本文来源:十博安全吗-www.yunjlife.com

相关文章