了解人工智能将是有用的是至关重要的。
人工智能有多种形式和味道。挑战在于选择正确的一个正确的目的,并认识到仅仅因为人工智能可以应用到一个特定的过程或问题并不意味着它应该。
而人工智能被认为是一个理想的解决方案几乎所有问题,成功的应用程序有三个主要的要求。首先,需要有足够数量的数据。仅仅因为数据并不意味着它的相关问题的应用。事实上,太多的无关紧要的数据可以使它更难找出如何分类数据,即使是最好的工具。但假设数据是可用的,这个问题就需要多少努力清理,数据和使用它的应用程序。
这是比它可能第一次出现,因为当人工智能应用于人工智能设计,它基本上是在一个移动的目标寻找模式。结果通常是一个分布的形式,但没有确切的答案。在软件中,这是很正常的,因为软件在大多数情况下可以更新和修补。对硬件工程师,要求分区的理解因为硬件失败,软件需要改正的。和设计的软件和硬件更加相互依赖,它可以影响从性能和能耗总体可靠性。
第二个要求是,问题本身必须能够受益于人工智能。如果需要太长时间来开发或testbenches基于人工智能的算法模型,设计并不一定利益。更糟的是,如果AI模式是有缺陷的,很难再找出出错了,因为人工智能在很大程度上是不透明的。AI背后的想法是,它适应和优化,创造另一个变量和不可预知的结果。
首先,需要有一个明确的好处使用人工智能与更传统的方法。但理解可以受益于人工智能,它将需要多少工作要实现这些好处,是一个有点流体方程。许多经济变量,可以通过项目不同,公司和工程团队专业知识。所以仅仅因为某些新作品在许多地方并不意味着它适用或为每个应用程序。
第三个条件是需要是可重复的和决定性的结果,这意味着他们需要以结果为基准没有人工智能。这可以是一个冗长而乏味的过程。随着芯片变得更复杂,人工智能看起来越来越有吸引力的工具从布局到验证和调试。发现和理解模式在大量数据是非常有用的,特别是团队之间工作在不同的模块或子系统。但是需要时间了解人工智能的真正价值,和在semi-customized芯片销售数百成千上万的数量供不应求的市场窗口并不总是一个选项。
是一回事,建立一个芯片,将于10亿年进入智能手机与人工智能、甚至跨芯片基于一个特定的过程或平台。很另一个应用人工智能在一次性芯片针对一个特定的应用程序在相对较低的卷。
证明人工智能的价值和它的各种迭代不是问题。它是各种风格的AI的应用在特定的设计。这种技术的支持者需要证明至少在一个特定的任务或一组任务最好的工程团队,甚至需要由人与深特定领域的知识。AI可以是一个有效的工具在正确的手和正确的任务,甚至可能发现bug在角落的情况下没有人预期,但并非总是如此。面临的挑战是知道何时何地去应用它,到目前为止仍不只是科学而更是一门艺术。
相关的
人工智能在YouTube频道
人工智能知识中心
人工智能的世界标准
适合一个应用程序可能是完全为另一个不足;精度由用例可能会有所不同。
HBM问题在人工智能系统
加快内存揭示了新的挑战,尤其是当内存是包的一部分。
|
|
|
|
|
|
|
|
|
|
留下一个回复