0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

AI核心动力之深度学习神经网络的现状及发展趋势

HOPE开放创新平台 2017-12-01 09:48 次阅读

11月30日,由海尔开放创新平台HOPE、模块商资源平台海达源主办的第33届众创空间模块商方案交互日精彩继续!

今天交互日围绕人工智能芯片标准及定制进行研讨,973项目首席科学家,西安交通大学龚怡宏教授、芯片设计专家,上海交通大学梁晓峣教授以及AIEC人工智能联盟专家纷纷助阵,通过主题演讲和圆桌论坛等形式,不断将研讨会氛围推向高潮。

01听专家讲AI未来走向何方

人工智能早已被捧上风口,其中算法、数据和计算能力是核心驱动力。也就是说这三个要素的发展情况将决定AI的未来发展。那么AI前景到底如何?

研讨会现场,龚怡宏教授为参会者梳理了AI核心动力之一——深度学习神经网络的现状及发展趋势。

973项目首席科学家,西安交通大学龚怡宏教授

龚教授精彩观点分享:

①深度学习神经网络未来发展将出现两大趋势:计算迁移和基于小样本集的学习算法;

网络结构及效率不断优化,面向智能终端的AI处理芯片将出现;

③深度学习神经网络的压缩技术也将不断成熟;

而梁晓峣教授则通过类比GPU(图形处理器)发展历史的形式,分享了AI芯片的演进。

芯片设计专家,上海交通大学梁晓峣教授

梁教授精彩观点分享:

①Moore定律并没有失效,反而是GPU历史上对冲2P的最强武器,而同样的事情也可能发生在人工智能芯片上;

②目前芯片行业正面临行业最大的变数,新晋入局的互联网巨头以及AI新贵们力量足够强大,可能会改变行业格局;

③未来推动先进工艺的未必是Intel或NVIDIA,也许率先在1nm工艺上流片的是Google或者商汤;

两位教授深入浅出的演讲赢得了现场阵阵掌声,听众们纷纷表示受益匪浅。

2智能家电普及要靠芯片定制

作为智能家电行业存在的基础,人工智能芯片的优劣将直接反映在产品性能上,但是芯片研发上的高投入导致智能家电普及缓慢。

如何解决这一问题?智能芯片的上游定制化开发就是重要路径之一。

交互现场

通过芯片定制,人工智能资源方可以为企业提供高性价比的解决方案,在提高开发效率、快速满足用户需求的同时,也使智能家电更快进入千家万户。

海尔始终把用户体验放在第一位,这也是也是海尔智能家电不断前进的动力。

据海尔超前创新中心总监马国军介绍:“通过开放式创新,海尔致力于将电器变成网器, 互通互联,打造开放的创新生态系统。芯片定制作为智能家电的核心,在满足用户个性化需求,主动提供服务,为用户提供最佳体验上发挥着重要作用。”

3标准化推广,海尔义不容辞

实现智能家电的普及化,除了上游定制开发芯片外,还离不开标准化的推广。

而作为AIEC人工智能联盟中唯一的家电企业,海尔对于标准的推广更是义不容辞。为什么海尔会有这种“使命感”?活动现场,海尔超前创新中心总工程师俞国新博士给出了答案。

圆桌会议

用户需求:芯片标准的制定和推广可以让家电更“聪明、贴心”,对海尔来说,这种提升用户体验的工作自然要积极参与。

标准优势:国际、国内标准化领域家电第一的优势,使海尔可以有效推动标准的发布和运行。

平台对接:利用开放创新平台HOPE,海尔可以实时发布芯片研发需求,并通过与资源商的零距离交互,全面承接智能芯片的验证、试用评测等系列工作。

一上午的大咖对话让不少与会者感觉意犹未尽,而从这场研讨会后再出发,未来人工智能芯片标准制定和定制化之路又将走向何方,值得期待。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 人工智能
    +关注

    关注

    1791

    文章

    46867

    浏览量

    237589

原文标题:众创空间交互日DAY2:小芯片里有智能家电普及的大文章!

文章出处:【微信号:haierhope,微信公众号:HOPE开放创新平台】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    深度学习中的卷积神经网络模型

    深度学习近年来在多个领域取得了显著的进展,尤其是在图像识别、语音识别和自然语言处理等方面。卷积神经网络作为深度学习的一个分支,因其在图像处理
    的头像 发表于 11-15 14:52 269次阅读

    深度神经网络在雷达系统中的应用

    深度神经网络(Deep Neural Networks,DNN)在雷达系统中的应用近年来取得了显著进展,为雷达信号处理、目标检测、跟踪以及识别等领域带来了革命性的变化。以下将详细探讨深度神经网
    的头像 发表于 07-15 11:09 636次阅读

    简单认识深度神经网络

    深度神经网络(Deep Neural Networks, DNNs)作为机器学习领域中的一种重要技术,特别是在深度学习领域,已经取得了显著的
    的头像 发表于 07-10 18:23 939次阅读

    卷积神经网络在视频处理中的应用

    卷积神经网络(Convolutional Neural Networks,CNN)作为深度学习的代表算法之一,在计算机视觉领域取得了显著成就,特别是在视频处理方面。本文将深入探讨卷积神经网络
    的头像 发表于 07-09 15:53 533次阅读

    循环神经网络和卷积神经网络的区别

    循环神经网络(Recurrent Neural Network,RNN)和卷积神经网络(Convolutional Neural Network,CNN)是深度学习领域中两种非常重要的
    的头像 发表于 07-04 14:24 1124次阅读

    深度神经网络与基本神经网络的区别

    在探讨深度神经网络(Deep Neural Networks, DNNs)与基本神经网络(通常指传统神经网络或前向神经网络)的区别时,我们需
    的头像 发表于 07-04 13:20 679次阅读

    深度神经网络的设计方法

    结构的构建,还包括激活函数的选择、优化算法的应用、正则化技术的引入等多个方面。本文将从网络结构设计、关键组件选择、优化与正则化策略、以及未来发展趋势四个方面详细探讨深度神经网络的设计方
    的头像 发表于 07-04 13:13 409次阅读

    卷积神经网络训练的是什么

    、训练过程以及应用场景。 1. 卷积神经网络的基本概念 1.1 卷积神经网络的定义 卷积神经网络是一种前馈深度学习模型,其
    的头像 发表于 07-03 09:15 351次阅读

    深度学习与卷积神经网络的应用

    到自然语言处理,深度学习和CNN正逐步改变着我们的生活方式。本文将深入探讨深度学习与卷积神经网络的基本概念、工作原理及其在多个领域的应用,并
    的头像 发表于 07-02 18:19 810次阅读

    卷积神经网络和bp神经网络的区别

    化能力。随着深度学习技术的不断发展神经网络已经成为人工智能领域的重要技术之一。卷积神经网络和BP神经
    的头像 发表于 07-02 14:24 2947次阅读

    深度神经网络模型cnn的基本概念、结构及原理

    ,其核心是构建具有多层结构的神经网络模型,以实现对复杂数据的高效表示和处理。在众多深度学习模型中,卷积神经网络(CNN)因其在图像识别等领域
    的头像 发表于 07-02 10:11 9552次阅读

    深度神经网络模型有哪些

    、Sigmoid或Tanh。 卷积神经网络(Convolutional Neural Networks,CNN): 卷积神经网络深度学习中最重
    的头像 发表于 07-02 10:00 1174次阅读

    神经网络架构有哪些

    神经网络架构是机器学习领域中的核心组成部分,它们模仿了生物神经网络的运作方式,通过复杂的网络结构实现信息的处理、存储和传递。随着
    的头像 发表于 07-01 14:16 616次阅读

    利用深度循环神经网络对心电图降噪

    具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI 我们提出了一种利用由长短期记忆 (LSTM) 单元构建的深度循环
    发表于 05-15 14:42

    详解深度学习神经网络与卷积神经网络的应用

    在如今的网络时代,错综复杂的大数据和网络环境,让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年,深度学习逐渐走进人们的视线
    的头像 发表于 01-11 10:51 1917次阅读
    详解<b class='flag-5'>深度</b><b class='flag-5'>学习</b>、<b class='flag-5'>神经网络</b>与卷积<b class='flag-5'>神经网络</b>的应用