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

硬件的未来在AI、AI的未来在材料

ZWxF_iot12345 来源:未知 作者:邓佳佳 2018-03-13 09:22 次阅读

前言

由于,人工智能AI)担负工作与目前大多数计算机的运算工作有些不同。然而,AI隐含着分析预测、推理、直观的能力与功能。实时是最有创意机器学习算法也受到现有机器硬件能力的束缚。因此,若要在AI方面取得长足进步,我们必须在硬件上进行改变,或是半导体材料上进行突破。演变从GPU开始,引入模拟设备(analog devices),然后演变成为具容错性量子计算机(fault tolerant quantum computers)。 现在从大规模分布式深度学习算法应用于图形处理器(GPU)开始将高速移动的数据,达到最终理解图像和声音。DDL算法对视频音频数据进行训练,GPU越多表示学习速度越快。

目前,IBM创下纪录:随着更多GPU加入能提升达到95%效率,就能识别750万个图像达到33.8%,使用256个GPU 于64个Minsky电源系统上。 自2009年以来,随着GPU模型训练从视频游戏图形加速器转向深度学习,使分布式深度学习每年以约2.5倍的速度发展。所以IBM曾于2017年IEEE国际电子设备会议(2017 IEEE International Electron Devices Meeting)针对应用材料发表Semiconductor Futurescapes: New Technologies, New Solutions,谈到需要开发哪些技术才能延续这种进步速度并超越GPU?

如何超越GPU IBM研究公司认为,GPU的转变分为三个阶段进行:

1、首先将在短期内利用GPU和传统的CMOS构建新的加速器以继续进行;

2、其次将寻找利用低精密度和模拟设备(analog devices)来进一步降低功率和提高性能的方法;

3、然后进入量子计算时代,它可是一个机会,能提供全新的方法。 在CMOS上的加速器还有很多工作要做,因为机器学习模型可以容忍不精确的计算。正因为“学习”模型可以借助错误学习而发挥作用,然而,在银行交易是无法容忍有一些许的错误。预估,精准运算快速的趋势,到2022年每年以2.5倍在提高。所以,我们还有五年时间来突破模拟设备(analog devices),将数据移入和移出内存以降低深度学习网络的训练时间。因此,analog devices寻找可以结合内存和运算,对于类神经演算的进展将是非常重要的。 类神经演算如同模拟脑细胞。神经元(neurons) 结构相互连接以低功率讯号突破von-Neumann的来回瓶颈(von-Neumann’s back-and-forth bottleneck),使这些讯号直接在神经元之间传递,以实现更高效的计算。美国空军研究实验室正在测试IBM TrueNorth神经突触系统的64芯片数组,专为深度神经网络推理和挖掘信息而设计。该系统使用标准CMOS,但仅消耗10瓦的能量来驱动其6400万个神经元和160亿个突触。 但相变化内存(phase change memory)是下一代内存材料,可能是针对深度学习网络优化的首款仿真器件。

进入量子时代 (quantum) 据IBM公司的研究论文,在Nature Quantum Information中展示了机器学习中量子的优势证明(“Demonstration of quantum advantage in machine learning”),展示了只有五个超导量子位处理器,量子运算能够稳定减少达100倍运算步骤,并且比非量子运算更能容忍干扰的信息。 IBM Q的商业系统现在有20个量子位,并且原型50个量子位设备正在运行。它的平均时间为90μs,也是以前系统的两倍。但是容错系统在今天的机器上显示出明显的量子优势。同时,试验新材料(如铜相通的替代品)是关键 - IBM及其合作伙伴在IEDM上推出的其他关键芯片改进,以推进所有运算平台,从von Neumann到类神经及量子。 解决处理器到储存器的连接和带宽瓶颈,将为AI带来新的储存器架构,最终可能导致逻辑和储存器制造过程技术之间的融合。IBM的TrueNorth推理芯片就是这种新架构的一个例子,其中每个神经元都可以存取自己的本地储存器,并且不需要脱机存取储存器。 借助训练和推理形式的AI运算,必须推向边缘装置上(edge devices),例如:手机智能手表等。因此,这将兴起由计算设备组成的网络系统。大多数这样的边缘装置会受到功率和成本的限制,所以他们的计算需求可能只能透过高度优化的ASIC来满足。现在,传统无晶圆厂半导体公司是否有能力提供这类型的ASIC或是否由AI芯片新创公司例如云端服务提供商,由谁主导目前还为时过早。

备注:*冯诺伊曼架构(von Neumann bottleneck):是一种将程序指令内存和数据存储器合并在一起的计算机设计概念架构,因此也隐约指出将储存装置与中央处理器分开的概念。在CPU与内存之间的流量(数据传输率)与内存的容量相比起来相当小,在现代计算机中,流量与CPU的工作效率相比之下非常小。当CPU需要在巨大的数据上执行一些简单指令时,数据流量就成了整体效率非常严重的限制,CPU将会在数据输入或输出内存时闲置。由于CPU速度远大于内存读写速率,因此瓶颈问题越来越严重。

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
  • gpu
    gpu
    +关注

    关注

    28

    文章

    4700

    浏览量

    128679
  • 硬件
    +关注

    关注

    11

    文章

    3251

    浏览量

    66106
  • AI
    AI
    +关注

    关注

    87

    文章

    30098

    浏览量

    268375

原文标题:硬件的未来在AI、AI的未来在材料

文章出处:【微信号:iot12345,微信公众号:物联之家网】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

    tlv320Ai32输出音频时总有丝丝声,为什么?

    tlv320Ai32输出音频时总有丝丝声,即使输出的滤波将噪声调整到90mV以下还是存在。测试发现HPout的噪声有将近480mV 请问这是什么原因,Ai32还有什么寄存器要设置的? 模拟电源的纹波大概60mV,有影响吗?
    发表于 11-05 06:09

    未来AI大模型的发展趋势

    未来AI大模型的发展趋势将呈现多元化和深入化的特点,以下是对其发展趋势的分析: 一、技术驱动与创新 算法与架构优化 : 随着Transformer架构的广泛应用,AI大模型特征提取和
    的头像 发表于 10-23 15:06 427次阅读

    AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感

    。 4. 对未来生命科学发展的展望 阅读这一章后,我对未来生命科学的发展充满了期待。我相信,人工智能技术的推动下,生命科学将取得更加显著的进展。例如,
    发表于 10-14 09:21

    AI for Science:人工智能驱动科学创新》第二章AI for Science的技术支撑学习心得

    的物理可信度,还为科学研究提供了新的视角和方法。 5. 挑战与未来展望 第二章也提到了AI for Science面临的挑战和未来展望。尽管AI技术
    发表于 10-14 09:16

    嵌入式系统的未来趋势有哪些?

    嵌入式系统是指将我们的操作系统和功能软件集成于计算机硬件系统之中,形成一个专用的计算机系统。那么嵌入式系统的未来趋势有哪些呢? 1. 人工智能与机器学习的整合 随着现代人工智能(AI)和机器学习
    发表于 09-12 15:42

    比尔·盖茨展望AI未来:从AI顾问到深度智能体的演变

    科技日新月异的今天,人工智能(AI)作为引领未来变革的关键力量,其发展前景始终牵动着全球科技界与公众的神经。近日,微软创始人比尔·盖茨知名播客节目《Next Big Idea Cl
    的头像 发表于 07-03 16:10 385次阅读

    Imagination 引领边缘计算和AI创新,拥抱AI未来发展

    ,致力于推动技术创新,拥抱人工智能的未来发展。同时他也介绍了Imagination计算领域的战略布局、产品技术以及对未来AI发展的深刻洞察。Imagination
    的头像 发表于 06-28 08:28 503次阅读
    Imagination 引领边缘计算和<b class='flag-5'>AI</b>创新,拥抱<b class='flag-5'>AI</b><b class='flag-5'>未来</b>发展

    中国AI芯片行业,自主突破与未来展望

    全球科技竞赛的舞台上,中国AI芯片行业正面临前所未有的挑战与机遇。近日,Gartner研究副总裁盛陵海一场分享会上深入剖析了中国AI芯片行业的现状和
    的头像 发表于 06-19 17:02 634次阅读

    微软CEO纳德拉:全力押注AI未来

    微软首席执行官纳德拉AI领域的布局引人注目。与ChatGPT背后的OpenAI建立合作关系后,他更是将微软的未来AI的潜在发展紧密相连
    的头像 发表于 06-17 17:11 581次阅读

    微软天气预报领域突破,新AI模型精准预测未来30天

    微软天气预报领域取得显著成果。其Start团队成功研发了一种全新AI模型,能够更精准地预测未来30天的天气状况。
    的头像 发表于 05-10 11:23 780次阅读

    AI芯片未来会控制这个世界吗?

    AI芯片行业资讯
    芯广场
    发布于 :2024年03月27日 18:21:28

    NanoEdge AI的技术原理、应用场景及优势

    硬件设计则是为了确保设备执行这些任务时能够保持低能耗,从而提高其续航能力。 2、应用场景 NanoEdge AI 可以广泛应用于各种物联网设备和传感器,如智能家居、工业自动化、智能交通、医疗健康
    发表于 03-12 08:09

    CES AI硬件层出不穷:你愿为AI的溢价买单吗?

    硬件AI
    电子发烧友网官方
    发布于 :2024年01月30日 16:36:00

    Vision Pro和R1,谁是AI硬件未来

    众多科技巨头抢占先机之时,一款来自小型初创公司的AI硬件脱颖而出,一年一度的全球消费类电子盛会CES上炸翻全场。
    的头像 发表于 01-30 09:57 616次阅读
    Vision Pro和R1,谁是<b class='flag-5'>AI</b><b class='flag-5'>硬件</b>的<b class='flag-5'>未来</b>?

    驱动 AI未来

    人工智能(AI) 性能的新突破,掀起了一场未来强大数据中心的竞赛。随着 AI 应用的复杂性不断提高,以及对计算的需求呈指数级增长, 电源 可能决定着哪些数据中心可提升到更高一级的处理水平并保持领先地位。
    的头像 发表于 12-07 15:10 324次阅读