联系我们
- 地 址:北京市海淀区北四环西路9号 ,主 营:人脸识别,活体检测,身份证识别,银行卡识别,名片识别,车牌识别,OCR识别等及智能识别技术。
- 电 话:13146317170 廖经理
- 传 真:
- 邮 箱:398017534@qq.com
人工智能的未来还要看硬件突破
人工智能的未来还要看硬件突破
关于人工智能的炒作都是关于算法的。在机器学习范畴处于抢先位置的谷歌公司Deep Mind最近发表了一篇文章,其中描绘了AlphaGo Zero如何从零开端成为一个围棋巨匠,其应用强化学习算法的先进技术,击败了之前的一切版本。但是,虽然企业和组织为引进算法设计和数据科学范畴的顶尖人才而互相竞争,但真正的新闻并不是来自于比特世界,而是来自于电线、硅和电子行业:硬件又回来了!
摩尔定律的扁平化
首先,一个快速的历史旅程:1958年,第一个集成电路包含了2个晶体管,体积相当大,掩盖一平方厘米。到1971年,“摩尔定律”在集成芯片性能的指数级增长中变得明显;2300个晶体管在同一外表上,与以前一样。到2014年,IBM P8处置器具有多达42亿个晶体管和16个中心,一切这些掩盖在650平方毫米。在给定的硅片上,你能装几个晶体管是有一个自然的限制的,而且我们很快就会到达这个极限。
此外,机器学习应用,特别是在形式辨认(如了解语音、图像等方面)需求大量的并行处置。当谷歌宣布其算法可以辨认猫的图像时,他们没有提到的是,它的软件需求16000个处置器才干运转。假如你能够在云计算的效劳器上运转你的算法,这不是什么大问题,但假如你必需在一个挪动设备上运转这些算法呢?这正日益成为一个重要的行业需求。在终端上运转先进的机器学习算法给用户带来了宏大的优势,同时也处理了许多数据隐私问题。想象一下,假如Siri不需求做云计算,就可以处置智能手机硬件上的一切数据和算法。但是,假如你发现智能手机在几分钟通话或玩 Minecraft后变得太热,你就等着用手机来让Siri变得真正个性化。
处理瓶颈问题
设备变热的缘由,以及我们当前计算机硬件设计的主要问题,是所谓的“冯诺依曼瓶颈”:经典的计算机架构将数据处置与数据存储别离开来,这意味着数据需求在计算过程中从一个中央转移到另一个中央。并行度经过合成计算和散布处置来处理局部问题,但你依然需求在最后挪动数据,将一切的数据都转换成希冀的输出。那么,假如有一种办法能够完整消弭硬件瓶颈呢?假如处置和数据在同一个中央,无需挪动,也不会产生热量或耗费那么多的能量,那会怎样呢?毕竟,我们的大脑就是这样工作的:我们没有像计算机那样处置数据和存储数据的独立区域,一切的事情都发作在我们的神经元上。
英特尔神经形态芯片Loihi
我们的大脑功用在人工智能研讨中并不新颖,我们曾经在应用神经网络停止深度学习了。我们经过机器学习算法和并行处置来模仿神经元的功用。但是,假如我们的计算机不像我们的大脑那样运转,那该怎样办呢?自20世纪70年代以来,人们就曾经想象出这样一种方式:将大脑功用映射到硬件上,换句话说,就是用硬件直接“绘制”大脑的构造。这种办法被称为“神经形态计算”,目前终于开端走向商业化。英特尔和高通等公司最近宣布,其将推出用于商业用处的神经形态芯片(neuromorphic chips)。
神经形态芯片能够用于AI应用的终端,这确实是一个十分令人兴奋的音讯。不过,它们也有可能将机器智能提升到一个全新的程度。经过运用电子硬件而不是软件来开展机器认知,我们或许可以完成通用人工智能的幻想,并发明出真正的智能系统。
量子:计算大爆炸
但是,计算真正的大爆炸并非来自于神经形态芯片(虽然有宏大的潜力,最终可能只会有小众应用),而是来自于量子物理学的应用。随着对快速计算的需求增加,我们处理真正艰难问题的雄心也在增加。假如我们能计算出排列一系列分子的最佳方式来开发治疗癌症的办法呢?这个问题实践上是针对减少一切癌症的研讨,目前是由试错法停止的。经典计算无法处理这样的问题:在经过几次迭代之后,参数的组合就会爆炸。量子计算有可能同时计算一切可能的组合,并在几秒钟内得出正确答案。有许多相似的优化问题能够用量子计算处理。比方在复杂的业务中优化资源配置,或者在经济中做出可以支持最佳战略的预测,或者在密码学中合成数字。
IBM的量子计算机
量子计算机正在快速开展:我们如今处于50量子位的程度。让我们把这个数字写进预先思索的范围。一台32位的量子计算机能够处置40亿个系数和265 GB的信息——你可能会说,这并不令人印象深入,由于你能够在几秒钟内在一台笔记本电脑上运转相似的程序。但一旦我们到达了64位的量子计算机极限,故事就会发作宏大的变化。这样的计算机能够同时计算出互联网上一切的信息,即74“艾字节”(十亿GB)——这将需求数年时间才干在当前的超级计算机上完成。我们曾经十分接近了!但是,一旦我们开发出了256位量子计算机,真正的游戏规则将会改动。这样的计算机将可以计算出宇宙中一切原子的数量,量子计算是宇宙计算,它对人类文化的影响可能是宏大而深远的。
摩尔定律的扁平化
首先,一个快速的历史旅程:1958年,第一个集成电路包含了2个晶体管,体积相当大,掩盖一平方厘米。到1971年,“摩尔定律”在集成芯片性能的指数级增长中变得明显;2300个晶体管在同一外表上,与以前一样。到2014年,IBM P8处置器具有多达42亿个晶体管和16个中心,一切这些掩盖在650平方毫米。在给定的硅片上,你能装几个晶体管是有一个自然的限制的,而且我们很快就会到达这个极限。
此外,机器学习应用,特别是在形式辨认(如了解语音、图像等方面)需求大量的并行处置。当谷歌宣布其算法可以辨认猫的图像时,他们没有提到的是,它的软件需求16000个处置器才干运转。假如你能够在云计算的效劳器上运转你的算法,这不是什么大问题,但假如你必需在一个挪动设备上运转这些算法呢?这正日益成为一个重要的行业需求。在终端上运转先进的机器学习算法给用户带来了宏大的优势,同时也处理了许多数据隐私问题。想象一下,假如Siri不需求做云计算,就可以处置智能手机硬件上的一切数据和算法。但是,假如你发现智能手机在几分钟通话或玩 Minecraft后变得太热,你就等着用手机来让Siri变得真正个性化。
处理瓶颈问题
设备变热的缘由,以及我们当前计算机硬件设计的主要问题,是所谓的“冯诺依曼瓶颈”:经典的计算机架构将数据处置与数据存储别离开来,这意味着数据需求在计算过程中从一个中央转移到另一个中央。并行度经过合成计算和散布处置来处理局部问题,但你依然需求在最后挪动数据,将一切的数据都转换成希冀的输出。那么,假如有一种办法能够完整消弭硬件瓶颈呢?假如处置和数据在同一个中央,无需挪动,也不会产生热量或耗费那么多的能量,那会怎样呢?毕竟,我们的大脑就是这样工作的:我们没有像计算机那样处置数据和存储数据的独立区域,一切的事情都发作在我们的神经元上。
英特尔神经形态芯片Loihi
我们的大脑功用在人工智能研讨中并不新颖,我们曾经在应用神经网络停止深度学习了。我们经过机器学习算法和并行处置来模仿神经元的功用。但是,假如我们的计算机不像我们的大脑那样运转,那该怎样办呢?自20世纪70年代以来,人们就曾经想象出这样一种方式:将大脑功用映射到硬件上,换句话说,就是用硬件直接“绘制”大脑的构造。这种办法被称为“神经形态计算”,目前终于开端走向商业化。英特尔和高通等公司最近宣布,其将推出用于商业用处的神经形态芯片(neuromorphic chips)。
神经形态芯片能够用于AI应用的终端,这确实是一个十分令人兴奋的音讯。不过,它们也有可能将机器智能提升到一个全新的程度。经过运用电子硬件而不是软件来开展机器认知,我们或许可以完成通用人工智能的幻想,并发明出真正的智能系统。
量子:计算大爆炸
但是,计算真正的大爆炸并非来自于神经形态芯片(虽然有宏大的潜力,最终可能只会有小众应用),而是来自于量子物理学的应用。随着对快速计算的需求增加,我们处理真正艰难问题的雄心也在增加。假如我们能计算出排列一系列分子的最佳方式来开发治疗癌症的办法呢?这个问题实践上是针对减少一切癌症的研讨,目前是由试错法停止的。经典计算无法处理这样的问题:在经过几次迭代之后,参数的组合就会爆炸。量子计算有可能同时计算一切可能的组合,并在几秒钟内得出正确答案。有许多相似的优化问题能够用量子计算处理。比方在复杂的业务中优化资源配置,或者在经济中做出可以支持最佳战略的预测,或者在密码学中合成数字。
IBM的量子计算机
量子计算机正在快速开展:我们如今处于50量子位的程度。让我们把这个数字写进预先思索的范围。一台32位的量子计算机能够处置40亿个系数和265 GB的信息——你可能会说,这并不令人印象深入,由于你能够在几秒钟内在一台笔记本电脑上运转相似的程序。但一旦我们到达了64位的量子计算机极限,故事就会发作宏大的变化。这样的计算机能够同时计算出互联网上一切的信息,即74“艾字节”(十亿GB)——这将需求数年时间才干在当前的超级计算机上完成。我们曾经十分接近了!但是,一旦我们开发出了256位量子计算机,真正的游戏规则将会改动。这样的计算机将可以计算出宇宙中一切原子的数量,量子计算是宇宙计算,它对人类文化的影响可能是宏大而深远的。
上一条:人工智能如何助天文学研究
下一条:手机扫描识别银行卡号技术