人工智能的时代 - 以及将提供它的技术

时间:2019-03-06 18:39:07 阅读:3次

  我最近参加了应用材料2017年分析师日的一个小组讨论人工智能AI)。是的,一家材料公司要求我(一位负责监督半导体研究的高管)与其他技术专家一起提出我们对人工智能的看法 - 展示对人工智能的兴趣如何渗透到IT行业的各个方面!

  为了引导这些硬件元素,我和我的同事小组成员首先被问及人工智能和数据爆炸对计算设备意味着什么。 AI数据应该在哪里处理 - 云还是边缘?对此,我告诉观众:“我们相信数据是我们的下一个自然资源。我们不会丢弃它。我们将弄清楚如何从中产生价值。“

   最终,越来越多的培训将迁移到边缘。它将是云和边缘。不是云或边缘。

   AI有两个组件。模型构建和培训是计算密集和昂贵的部分;推理或评分是训练模型在新数据上的应用。人工智能的激增是数据指数增长的结果,特别是非结构化数据,算法开发的进步和廉价的计算。今天的大部分计算都依赖于为电子表格和数据库构建的相同硬件,即使使用GPU集群,也可能需要数周或数月才能在云端的数据中心生成最复杂的模型。

  目前,大部分培训仍在云中完成,而推理 - 利用该模型 - 则在边缘完成。然而,未来,通过实时模型更新,利用边缘的完整数据集,将培训和推理推向边缘将是至关重要的。然而,这种趋势与当前用于AI工作负载的耗电且效率低下的计算硬件直接冲突。汽车行业,特别是自动驾驶汽车,体现了将人工智能计算迁移到“边缘”的动力。恩智浦汽车高级副总裁马特约翰逊称,“车辆将成为'优势',但需要获得云端。边缘值效率......和某些函数必须在边缘发生。“

  我们(行业)必须进行创新,因此目前在云上完成的一些计算可以通过更多设备转移到边缘,这些设备必须以较低功率廉价运行。最终,越来越多的培训将转移到边缘。它将是云边缘。不是云或边缘。在这个所谓的人工智能时代,对新事物的改变将来自堆叠中较低的创新。

优化AI的架构和计算模型

  阅读更多内容:IBM Research利用新的软件技术实现了创纪录的深度学习性能

  人工智能的兴起是过去60年来世界尚未见到的变化 - 从制表机器到我们仍在使用的可编程系统。尽管我们在IBM宣布了2011年认知时代的开始,例如Watson首次亮相 Jeopardy !, 可编程系统,如逻辑和内存,继续主宰全球计算。

  现在在佛罗里达州立大学任教的小组成员和前英特尔高管Christos Georgiopoulos就是这样说的:“过去40年来我们所知道的传统工作量并不适用。 AI需要我们构建的机器具有不同的功能。随着我们进入AI工作负载,它将需要新的系统设计。“

  老实说,我很高兴看到应用材料公司将注意力转向人工智能。一个常见的误解是AI是所有软件。没有!我们需要在算法级别,系统级别,芯片设计级别,设备级别以及最终的材料级别进行优化。这种“新设计”意味着从堆栈到设备的下降。

模拟计算

   AI工作负载不同。我们的大脑比计算机更有效地分类非结构化数据,如面部识别和自然语言处理,部分原因是大脑进行合理分类所需的精度降低。通过利用对非结构化数据工作负载的精度要求降低1,可以利用模拟计算的先天效率优势2。由差异化架构和模拟加速器推动的路线图将推动AI计算效率的指数级改进,推动AI学习周期和AI解决方案的加速。

  我们通过回答“什么将提供将提供AI工作负载的模拟计算?”来关闭面板。

  为此,以及几个数量级的功率降低或效率提高的承诺,专家组同意它将来自材料创新 - 在堆栈的底部。这就是我们将使用新功能构建新设备的地方。在材料层面,模型构建可以从云端移动到边缘,移动到云边缘。

  再次,Georgiopoulos教授说:“我真的相信我们处于拐点,当我们退出时,社会可能看起来完全不同 - 从我们的医疗保健到我们的驾驶方式。所有这些都将受到材料创新的推动。“

  聆听人工智能小组的时代:

  

  作者(一个或多个)。日期。文章标题。期刊名称。体积(问题):位置

   1S。 Gupta,A。Agrawal,K。Gopalakrishnan,P。Narayanan(2015)Deep Learning with Limited Numerical Precision。 机器学习研究论文。 37:1737至1746年

<2> 2Gokmen T和Vlasov Y(2016)使用电阻交叉点设备加速深度神经网络训练:设计考虑因素。 前。神经科学的。 10:333

人工智能的时代 - 以及将提供它的技术所属专题:人工智能专题 技术专题 《人工智能的时代 - 以及将提供它的技术》链接:http://www.zhouchuanxiong.net/832

人工智能的时代 - 以及将提供它的技术相关文章