精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

當前位置:新聞中心行業動態 → 正文

忘掉算法吧,AI的未來在于硬件

責任編輯:editor006 |來源:企業網D1Net  2018-01-17 16:41:38 本文摘自:科技行者

就目前來講,人工智能的宣傳主要集中在算法層面。在機器學習領域處于全球領先水平的谷歌公司近期發表了一篇文章,其中介紹了AlphaGo Zero如何依靠一己之力從零開始成為圍棋世界的統治者,并憑借著先進算法輕松擊敗全部原有AI版本。盡管這一切已經證明強化學習算法的深厚功力,而谷歌公司及其它各類組織機構也仍在積極網羅算法設計以及數據利潤總額領域的頂尖人才。

timg.jpg

但是,真正的爆炸性新聞卻來自硬件世界——沒錯,來自由線路、芯片與電子元件組成的世界。硬件又回來了!

摩爾定律的扁平化

首先,讓我們對歷史作出一番快速回顧:

1958年,僅包含2個晶體管的首個集成電路問世,其規模相當龐大——面積達到驚人的1平方厘米;到1971年,集成芯片性能的指數級增長使得“摩爾定律”逐漸浮出水面,與此前相同的面積下已經能夠封裝多達2300個晶體管;到2014年,IBM公司的P8處理器已經擁有多達42億個晶體管與16個計算核心,且芯片面積僅為650平方毫米。

但遺憾的是,在給定芯片之上能夠封裝多少個晶體管由自然規律所決定,且我們很快就將迎來這塊可惡的天花板。此外,在模式識別(例如語音理解與圖像識別等)領域,機器學習應用需要大量并行處理能力。

當谷歌公司宣布其算法已經能夠成功從圖片中識別出貓這一對象時,他們沒有提到該軟件需要16000塊處理器才能正常運行。雖然大家可以使用云服務器農場中的計算資源來解決這個問題,但不可否認,我們有時候可能也需要在小型移動設備上運行此類算法。隨著各個行業越來越多地將這類需求提上議事日程,在終端設備中運行先進機器學習功能開始帶來愈發可觀的潛力——不僅能夠為用戶提供理想服務,更能夠解決大量數據隱私問題。想象一下,如果Siri不需要對接云端進行調用,而能直接利用智能手機硬件處理所有數據及算法,該有多好。然而,用戶顯然也不希望剛剛使用幾分鐘的Siri或者《我的世界》,自己的手機就因過熱而無法繼續工作。

解決瓶頸

設備之所以會快速過熱,是因為我們目前的計算機硬件設計主要依托于所謂“馮-諾依曼”架構,而其中存在著固有瓶頸:傳統計算機體系架構將處理與數據存儲資源彼此分離,這意味著數據需要在不同位置往來傳輸,才能完成計算流程。并行機制能夠將計算任務加以分解并分別處理的方式在一定程度上緩解了這個難題,但用戶仍然需要最終進行數據移動,以便將所有內容協調為需要的輸出結果。那么,我們是否有辦法擺脫這一硬件瓶頸?如果處理資源與數據駐留在同一位置,不需要任何移動操作,是否就能夠降低產生的熱量與消耗的能量?畢竟我們的大腦就采用這樣的工作方式:我們不會像計算機那樣刻意區分獨立的處理與數據存儲區域,一切都立足神經元中進行。

汲取來自大腦運作方式的靈感,在人工智能領域早已不是什么新鮮事物——我們已經在利用神經網絡實現深度學習。然而,我們實現這一目標的方法在于利用機器學習算法及并行處理來模擬神經元功能。但我們是否能夠構建起并非“模擬”,而是真正與我們的大腦擁有同等運作方式的計算機呢?自上世紀七十年代以來,人們就已經設想將大腦的功能實際映射至硬件之上,換言之即設計出能夠直接映射大腦結構的硬件。這種被稱為“神經形態計算”的方法最近已經開始進行商業化,英特爾與高通等廠商已經宣布將推出適合商業用途的神經形態芯片。

神經形態芯片很可能成為人工智能的終極助力,這樣的消息無疑令人振奮異常。需要強調的是,其也有可能將機器的智能水平提升到全新的高度。通過使用電子學而非軟件來開發機器認知,我們或許能夠實現通用型人工智能這一夢想,即創造出真正的智能系統。

量子:計算領域的宇宙大爆炸

然而,計算領域真正的宇宙大爆炸并非來自神經形態芯片(盡管前景光明,但其可能將長時間作為小眾應用存在),而是來自量子物理原理。隨著快速計算需求的持續增加,我們解決真正困難問題的雄心也在持續鞏固。如果我們能夠計算出一系列分子排布來攻克癌癥,人類的未來會如何?這個問題實際上直指迄今為止所有癌癥研究的核心,即通過試錯法進行實驗。經典計算無法解決這樣的問題,因為參數組合在數次迭代之后將遞增至爆炸性的規模。量子計算則有可能一次性計算所有可能的組合,并在幾秒鐘之內找到正確答案。量子計算能夠解決諸多類似的優化型問題,例如考慮復雜業務中的資源分配優化、在經濟體系中進行資源分配,做出能夠支持最佳策略的預測——甚至可以對密碼因子進行分解。

量子計算機正在快速發展:我們目前的量子處理器處于50量子位水平。下面我們來詳細解讀這一數字的含義。32位量子計算機能夠處理40億個系數與256 GB信息——這樣的結果可能無法給人留下深刻的印象,因為大家可能會說自己的筆記本電腦也能在幾秒鐘內完成類似的程序。然而,一旦我們構建起64位量子計算機,那么情況將大不相同。這樣的計算機可以一次性計算出互聯網上的所有信息,更具體地講為74 EB(即10億GB)數據——利用目前的超級計算機,這些數據需要幾年才能處理完成。我們距離成功已經很近了!然而這還不夠,一旦我們開發出256位量子計算機,真正的游戲規則改變者就會降臨——這樣一臺計算機能夠對宇宙中全部原子的數量進行計算。量子計算即為宇宙計算,其無疑將給整個人類文明帶來巨大而深遠的影響。

關鍵字:谷歌AI量子計算機

本文摘自:科技行者

x 忘掉算法吧,AI的未來在于硬件 掃一掃
分享本文到朋友圈
當前位置:新聞中心行業動態 → 正文

忘掉算法吧,AI的未來在于硬件

責任編輯:editor006 |來源:企業網D1Net  2018-01-17 16:41:38 本文摘自:科技行者

就目前來講,人工智能的宣傳主要集中在算法層面。在機器學習領域處于全球領先水平的谷歌公司近期發表了一篇文章,其中介紹了AlphaGo Zero如何依靠一己之力從零開始成為圍棋世界的統治者,并憑借著先進算法輕松擊敗全部原有AI版本。盡管這一切已經證明強化學習算法的深厚功力,而谷歌公司及其它各類組織機構也仍在積極網羅算法設計以及數據利潤總額領域的頂尖人才。

timg.jpg

但是,真正的爆炸性新聞卻來自硬件世界——沒錯,來自由線路、芯片與電子元件組成的世界。硬件又回來了!

摩爾定律的扁平化

首先,讓我們對歷史作出一番快速回顧:

1958年,僅包含2個晶體管的首個集成電路問世,其規模相當龐大——面積達到驚人的1平方厘米;到1971年,集成芯片性能的指數級增長使得“摩爾定律”逐漸浮出水面,與此前相同的面積下已經能夠封裝多達2300個晶體管;到2014年,IBM公司的P8處理器已經擁有多達42億個晶體管與16個計算核心,且芯片面積僅為650平方毫米。

但遺憾的是,在給定芯片之上能夠封裝多少個晶體管由自然規律所決定,且我們很快就將迎來這塊可惡的天花板。此外,在模式識別(例如語音理解與圖像識別等)領域,機器學習應用需要大量并行處理能力。

當谷歌公司宣布其算法已經能夠成功從圖片中識別出貓這一對象時,他們沒有提到該軟件需要16000塊處理器才能正常運行。雖然大家可以使用云服務器農場中的計算資源來解決這個問題,但不可否認,我們有時候可能也需要在小型移動設備上運行此類算法。隨著各個行業越來越多地將這類需求提上議事日程,在終端設備中運行先進機器學習功能開始帶來愈發可觀的潛力——不僅能夠為用戶提供理想服務,更能夠解決大量數據隱私問題。想象一下,如果Siri不需要對接云端進行調用,而能直接利用智能手機硬件處理所有數據及算法,該有多好。然而,用戶顯然也不希望剛剛使用幾分鐘的Siri或者《我的世界》,自己的手機就因過熱而無法繼續工作。

解決瓶頸

設備之所以會快速過熱,是因為我們目前的計算機硬件設計主要依托于所謂“馮-諾依曼”架構,而其中存在著固有瓶頸:傳統計算機體系架構將處理與數據存儲資源彼此分離,這意味著數據需要在不同位置往來傳輸,才能完成計算流程。并行機制能夠將計算任務加以分解并分別處理的方式在一定程度上緩解了這個難題,但用戶仍然需要最終進行數據移動,以便將所有內容協調為需要的輸出結果。那么,我們是否有辦法擺脫這一硬件瓶頸?如果處理資源與數據駐留在同一位置,不需要任何移動操作,是否就能夠降低產生的熱量與消耗的能量?畢竟我們的大腦就采用這樣的工作方式:我們不會像計算機那樣刻意區分獨立的處理與數據存儲區域,一切都立足神經元中進行。

汲取來自大腦運作方式的靈感,在人工智能領域早已不是什么新鮮事物——我們已經在利用神經網絡實現深度學習。然而,我們實現這一目標的方法在于利用機器學習算法及并行處理來模擬神經元功能。但我們是否能夠構建起并非“模擬”,而是真正與我們的大腦擁有同等運作方式的計算機呢?自上世紀七十年代以來,人們就已經設想將大腦的功能實際映射至硬件之上,換言之即設計出能夠直接映射大腦結構的硬件。這種被稱為“神經形態計算”的方法最近已經開始進行商業化,英特爾與高通等廠商已經宣布將推出適合商業用途的神經形態芯片。

神經形態芯片很可能成為人工智能的終極助力,這樣的消息無疑令人振奮異常。需要強調的是,其也有可能將機器的智能水平提升到全新的高度。通過使用電子學而非軟件來開發機器認知,我們或許能夠實現通用型人工智能這一夢想,即創造出真正的智能系統。

量子:計算領域的宇宙大爆炸

然而,計算領域真正的宇宙大爆炸并非來自神經形態芯片(盡管前景光明,但其可能將長時間作為小眾應用存在),而是來自量子物理原理。隨著快速計算需求的持續增加,我們解決真正困難問題的雄心也在持續鞏固。如果我們能夠計算出一系列分子排布來攻克癌癥,人類的未來會如何?這個問題實際上直指迄今為止所有癌癥研究的核心,即通過試錯法進行實驗。經典計算無法解決這樣的問題,因為參數組合在數次迭代之后將遞增至爆炸性的規模。量子計算則有可能一次性計算所有可能的組合,并在幾秒鐘之內找到正確答案。量子計算能夠解決諸多類似的優化型問題,例如考慮復雜業務中的資源分配優化、在經濟體系中進行資源分配,做出能夠支持最佳策略的預測——甚至可以對密碼因子進行分解。

量子計算機正在快速發展:我們目前的量子處理器處于50量子位水平。下面我們來詳細解讀這一數字的含義。32位量子計算機能夠處理40億個系數與256 GB信息——這樣的結果可能無法給人留下深刻的印象,因為大家可能會說自己的筆記本電腦也能在幾秒鐘內完成類似的程序。然而,一旦我們構建起64位量子計算機,那么情況將大不相同。這樣的計算機可以一次性計算出互聯網上的所有信息,更具體地講為74 EB(即10億GB)數據——利用目前的超級計算機,這些數據需要幾年才能處理完成。我們距離成功已經很近了!然而這還不夠,一旦我們開發出256位量子計算機,真正的游戲規則改變者就會降臨——這樣一臺計算機能夠對宇宙中全部原子的數量進行計算。量子計算即為宇宙計算,其無疑將給整個人類文明帶來巨大而深遠的影響。

關鍵字:谷歌AI量子計算機

本文摘自:科技行者

電子周刊
回到頂部

關于我們聯系我們版權聲明隱私條款廣告服務友情鏈接投稿中心招賢納士

企業網版權所有 ©2010-2024 京ICP備09108050號-6 京公網安備 11010502049343號

^
  • <menuitem id="jw4sk"></menuitem>

    1. <form id="jw4sk"><tbody id="jw4sk"><dfn id="jw4sk"></dfn></tbody></form>
      主站蜘蛛池模板: 犍为县| 松滋市| 东乌珠穆沁旗| 南部县| 永善县| 耿马| 阜城县| 嘉峪关市| 琼中| 蕲春县| 墨玉县| 监利县| 秦皇岛市| 兴义市| 海门市| 苍梧县| 会理县| 白银市| 宁津县| 汶川县| 博白县| 南召县| 田阳县| 长丰县| 集安市| 山东| 赤水市| 邵东县| 邳州市| 平罗县| 临桂县| 萍乡市| 永年县| 岳阳县| 武功县| 安新县| 桦甸市| 抚宁县| 甘泉县| 师宗县| 康定县|