當(dāng)前位置:首頁(yè) > 物聯(lián)網(wǎng) > 智能應(yīng)用
[導(dǎo)讀]由于,人工智能(AI)擔(dān)負(fù)工作與目前大多數(shù)計(jì)算機(jī)的運(yùn)算工作有些不同。然而,AI隱含著分析預(yù)測(cè)、推理、直觀(guān)的能力與功能。實(shí)時(shí)是最有創(chuàng)意的機(jī)器學(xué)習(xí)算法也受到現(xiàn)有機(jī)器硬件能力的束縛。

由于,人工智能(AI)擔(dān)負(fù)工作與目前大多數(shù)計(jì)算機(jī)的運(yùn)算工作有些不同。然而,AI隱含著分析預(yù)測(cè)、推理、直觀(guān)的能力與功能。實(shí)時(shí)是最有創(chuàng)意的機(jī)器學(xué)習(xí)算法也受到現(xiàn)有機(jī)器硬件能力的束縛。因此,若要在AI方面取得長(zhǎng)足進(jìn)步,我們必須在硬件上進(jìn)行改變,或是半導(dǎo)體材料上進(jìn)行突破。演變從GPU開(kāi)始,引入模擬設(shè)備(analog devices),然后演變成為具容錯(cuò)性量子計(jì)算機(jī)(fault tolerant quantum computers)。

現(xiàn)在從大規(guī)模分布式深度學(xué)習(xí)算法應(yīng)用于圖形處理器(GPU)開(kāi)始將高速移動(dòng)的數(shù)據(jù),達(dá)到最終理解圖像和聲音。DDL算法對(duì)視頻和音頻數(shù)據(jù)進(jìn)行訓(xùn)練,GPU越多表示學(xué)習(xí)速度越快。目前,IBM創(chuàng)下紀(jì)錄:隨著更多GPU加入能提升達(dá)到95%效率,就能識(shí)別750萬(wàn)個(gè)圖像達(dá)到33.8%,使用256個(gè)GPU 于64個(gè)Minsky電源系統(tǒng)上。

自2009年以來(lái),隨著GPU模型訓(xùn)練從視頻游戲圖形加速器轉(zhuǎn)向深度學(xué)習(xí),使分布式深度學(xué)習(xí)每年以約2.5倍的速度發(fā)展。所以IBM曾于2017年IEEE國(guó)際電子設(shè)備會(huì)議(2017 IEEE International Electron Devices Meeting)針對(duì)應(yīng)用材料發(fā)表Semiconductor Futurescapes: New Technologies, New Solutions,談到需要開(kāi)發(fā)哪些技術(shù)才能延續(xù)這種進(jìn)步速度并超越GPU?

如何超越GPU

IBM研究公司認(rèn)為,GPU的轉(zhuǎn)變分為三個(gè)階段進(jìn)行:

1、首先將在短期內(nèi)利用GPU和傳統(tǒng)的CMOS構(gòu)建新的加速器以繼續(xù)進(jìn)行;

2、其次將尋找利用低精密度和模擬設(shè)備(analog devices)來(lái)進(jìn)一步降低功率和提高性能的方法;

3、然后進(jìn)入量子計(jì)算時(shí)代,它可是一個(gè)機(jī)會(huì),能提供全新的方法。

在CMOS上的加速器還有很多工作要做,因?yàn)闄C(jī)器學(xué)習(xí)模型可以容忍不精確的計(jì)算。正因?yàn)?ldquo;學(xué)習(xí)”模型可以借助錯(cuò)誤學(xué)習(xí)而發(fā)揮作用,然而,在銀行交易是無(wú)法容忍有一些許的錯(cuò)誤。預(yù)估,精準(zhǔn)運(yùn)算快速的趨勢(shì),到2022年每年以2.5倍在提高。所以,我們還有五年時(shí)間來(lái)突破模擬設(shè)備(analog devices),將數(shù)據(jù)移入和移出內(nèi)存以降低深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練時(shí)間。因此,analog devices尋找可以結(jié)合內(nèi)存和運(yùn)算,對(duì)于類(lèi)神經(jīng)演算的進(jìn)展將是非常重要的。

類(lèi)神經(jīng)演算如同模擬腦細(xì)胞。神經(jīng)元(neurons) 結(jié)構(gòu)相互連接以低功率訊號(hào)突破von-Neumann的來(lái)回瓶頸(von-Neumann’s back-and-forth bottleneck),使這些訊號(hào)直接在神經(jīng)元之間傳遞,以實(shí)現(xiàn)更高效的計(jì)算。美國(guó)空軍研究實(shí)驗(yàn)室正在測(cè)試IBM TrueNorth神經(jīng)突觸系統(tǒng)的64芯片數(shù)組,專(zhuān)為深度神經(jīng)網(wǎng)絡(luò)推理和挖掘信息而設(shè)計(jì)。該系統(tǒng)使用標(biāo)準(zhǔn)CMOS,但僅消耗10瓦的能量來(lái)驅(qū)動(dòng)其6400萬(wàn)個(gè)神經(jīng)元和160億個(gè)突觸。

但相變化內(nèi)存(phase change memory)是下一代內(nèi)存材料,可能是針對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)優(yōu)化的首款仿真器件。

進(jìn)入量子時(shí)代 (quantum)

據(jù)IBM公司的研究論文,在Nature Quantum Information中展示了機(jī)器學(xué)習(xí)中量子的優(yōu)勢(shì)證明(“Demonstration of quantum advantage in machine learning”),展示了只有五個(gè)超導(dǎo)量子位處理器,量子運(yùn)算能夠穩(wěn)定減少達(dá)100倍運(yùn)算步驟,并且比非量子運(yùn)算更能容忍干擾的信息。

IBM Q的商業(yè)系統(tǒng)現(xiàn)在有20個(gè)量子位,并且原型50個(gè)量子位設(shè)備正在運(yùn)行。它的平均時(shí)間為90μs,也是以前系統(tǒng)的兩倍。但是容錯(cuò)系統(tǒng)在今天的機(jī)器上顯示出明顯的量子優(yōu)勢(shì)。同時(shí),試驗(yàn)新材料(如銅相通的替代品)是關(guān)鍵 - IBM及其合作伙伴在IEDM上推出的其他關(guān)鍵芯片改進(jìn),以推進(jìn)所有運(yùn)算平臺(tái),從von Neumann到類(lèi)神經(jīng)及量子。

解決處理器到儲(chǔ)存器的連接和帶寬瓶頸,將為AI帶來(lái)新的儲(chǔ)存器架構(gòu),最終可能導(dǎo)致邏輯和儲(chǔ)存器制造過(guò)程技術(shù)之間的融合。IBM的TrueNorth推理芯片就是這種新架構(gòu)的一個(gè)例子,其中每個(gè)神經(jīng)元都可以存取自己的本地儲(chǔ)存器,并且不需要脫機(jī)存取儲(chǔ)存器。

借助訓(xùn)練和推理形式的AI運(yùn)算,必須推向邊緣裝置上(edge devices),例如:手機(jī)、智能手表等。因此,這將興起由計(jì)算設(shè)備組成的網(wǎng)絡(luò)系統(tǒng)。大多數(shù)這樣的邊緣裝置會(huì)受到功率和成本的限制,所以他們的計(jì)算需求可能只能透過(guò)高度優(yōu)化的ASIC來(lái)滿(mǎn)足?,F(xiàn)在,傳統(tǒng)無(wú)晶圓廠(chǎng)半導(dǎo)體公司是否有能力提供這類(lèi)型的ASIC或是否由AI芯片新創(chuàng)公司例如云端服務(wù)提供商,由誰(shuí)主導(dǎo)目前還為時(shí)過(guò)早。

備注:*馮諾伊曼架構(gòu)(von Neumann bottleneck):是一種將程序指令內(nèi)存和數(shù)據(jù)存儲(chǔ)器合并在一起的計(jì)算機(jī)設(shè)計(jì)概念架構(gòu),因此也隱約指出將儲(chǔ)存裝置與中央處理器分開(kāi)的概念。在CPU與內(nèi)存之間的流量(數(shù)據(jù)傳輸率)與內(nèi)存的容量相比起來(lái)相當(dāng)小,在現(xiàn)代計(jì)算機(jī)中,流量與CPU的工作效率相比之下非常小。當(dāng)CPU需要在巨大的數(shù)據(jù)上執(zhí)行一些簡(jiǎn)單指令時(shí),數(shù)據(jù)流量就成了整體效率非常嚴(yán)重的限制,CPU將會(huì)在數(shù)據(jù)輸入或輸出內(nèi)存時(shí)閑置。由于CPU速度遠(yuǎn)大于內(nèi)存讀寫(xiě)速率,因此瓶頸問(wèn)題越來(lái)越嚴(yán)重。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀(guān)點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專(zhuān)欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車(chē)的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車(chē)技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車(chē)工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車(chē)。 SODA V工具的開(kāi)發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車(chē) 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來(lái)越多用戶(hù)希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來(lái)越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開(kāi)幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱(chēng),數(shù)字世界的話(huà)語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱(chēng)"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉