人工智能硬件有哪些,盘点中国人工智能硬件发展趋势( 二 )


发展这种竞争的关键是在处理最近的神经网络操作时提供最低的能力和最高的可测量的性能 。
然而 , 只有少数人知道硬件对机器学习、神经网络和人工智能的影响 , 或者微芯片的重要性以及如何开发微芯片 。例如:
架构: 很多人觉得计算机架构不过是加法器和乘法器 , 但是有一些架构能够最小化记忆带宽 , 一直同时使用所有单元 。编译器: 很多人觉得硬件不重要 , 神经网络编译器才是关键 。但是在自己设计架构的时候 , 编译器只不过是通过机器代码 , 解读神经网络的计算图像 。开源编译器的作用有限 , 因为最难的一步得依靠未知的架构 。开源编译器可以作为前端 , 在硬件架构和神经网络图像之间还有很多值得探讨的领域 。微型芯片: 对于重要的算法 , 优化性能的最佳办法就是定制微型芯片 , 或者ASIC或SoC 。FPGA现在已经含有深度神经网络加速器 , 预计将在2019至2020年实现 , 但是微型芯片总是更好的 。进步: 即便微型芯片的规模化还未被使用 , 还有一些技术进步能让深度神经网络加速器轻松获得10至20倍的提升 。值得关注的的进展包括系统级封装和升级记忆等 。应用 现在 , 我们来详细讨论一下AI和神经网络会在哪些应用领域改变我们的生活:
分类图像和视频: 云服务已经包含了这项应用 , 接下来也会来到智能视频传送中 。神经网络硬件不通过云端 , 在本地处理越来越多的数据 , 不仅保护了隐私 , 也节省了互联网带宽使用 。语音助理: 语音助理已经进入我们的生活 , 在智能家居中起到重要作用 。不过 , 我们经常忽视聊天的难度 , 对人类来说是一项基本活动 , 而对机器来说则是一项伟大的革新 。语音助理正在进步 , 但还是不能完全移动化 。Alexa、Cortana和Siri会永远在线 , 手机将很快成为未来的智能家居 。这是智能手机的又一次进步 。除了手机 , 语音助理也需要进入汽车 , 随着用户移动 。我们需要更多的本地语音处理、更强的隐私保护和更少的带宽要求 。随着硬件的进步 , 1至2年之内这些都能实现 。人工助理: 语音挺好 , 但是未来我们真正想要的人工助理还能见我们所见 , 跟随着我们移动的脚步分析周围的环境 。神经网络硬件会帮助我们实现这个美梦 , 但是分析视频传输要求很高的计算能力 , 已达到了目前硬件能力的理论边缘 , 比语音助理要困难得多 。AiPoly等创业公司已经提出了解决方案 , 但是缺乏强大的硬件 , 使其能在手机上运行 。另外值得关注的还有 , 如果把手机屏幕换成类似眼镜的可穿戴设备 , 我们的助理将成为我们的一部分 。家务机器人: 另一项重要应用是可以做饭和清洁的家务机器人 。我们也许很快就能实现硬件 , 但是还缺乏软件 。我们需要迁移学习、持续学习和增强型学习 。每一个食谱都不一样 , 食谱里的每一种食材都不一样 。我们无法把这部分写死 , 必须开发一个善于学习和总结的机器人 。这还是一个遥远的理想 。


推荐阅读