随着行业推到AI,现在可以用什么计算。,打开了一个全新的问题。
半导体行业正开始在深度学习和人工智能方面取得实质性进展,开放更多市场机会大于历史上曾经存在的技术。但是这场革命之前要深入得多,这个行业还需要退后一步并建立一套准则将如何使用这项技术。
这是一种完全不同的路线图比一直在推动芯片制造商在过去的五年。自第一个集成电路的引入,重点是减少一切,让它运行得更快。芯片行业取得了很多次。作为一个点的比较,1975年Cray-1超级计算机每秒8000万次浮点运算。
苹果的A9X芯片,去年秋天发布运行345.6吉拍。它还使用更少能源运行在可充电电池—放进你口袋里而不需要一个单独的房间地板。它也花费350万美元小于水冷克雷。和原始速度而言,就像一个蜗牛相比,中国新三维力控TaihuLight超级计算机,运行93次。
所有这些计算已经发生在一个盒子,可以测量性能和力量的地方。沿着有吹牛的权利,也许业务交易谁可以开发世界上最快的芯片,系统,对于那些可以用最少的力量。但这是越来越无关紧要。技术很好从权力的角度来看,性能,内存和连通性,超越技术本身。它不再是机器。它还可以做什么,计算能力变得更加分散。
在1990年代早期,数字设备公司有一个人工智能单元,都一样大的电脑公司。但他们达成的结论是,他们已经到可用的技术。工程师工作在集团表示,他们将必须等待未来十年进步能够继续他们的工作。
花了超过十年之久。事实上,花了整整四分之一世纪前许多概念他们试图开发开始重修的。机器学习,深入学习,人工智能是相同的所有片馅饼。他们都是不明确的。证明一点,任何两个工程师问他们所说的深度学习,你几乎肯定会得到不同的答案。有足够的跨界车和交互使它看起来更像是一个比一个整洁的变形虫文氏图。但是基本概念是same-add足够的情报到计算识别模式和基于不同的场景和概率预测行为。
仍有大量的工作要天天把这变成一个,每个设备的技术,在一个人问题在普通交谈的语气命令,可以保证这些命令准确地传递到一些系统,解释他们在说什么,无论背景噪音或地区的口音。科技产业方面取得了显著的进步。但随着这项工作的继续,它需要开始考虑远不仅仅是硬件和软件能做什么,也许更重要的是,一旦这些规则将需要什么设备进行交互。
“没有法律对什么事情可以做其他的事情,“卢西奥兰扎说,兰扎techVentures的董事总经理。“没有规则。我们有很多工作要做一个社会的一致,并定义是什么协议的交互。你不想要一个设备和一个起搏器。但谁将定义层?什么是物联网的“蓝皮书”,谁来写?”
有关的故事
解码大脑
生物启发电子设计
在人工智能和深度的学习
发生了什么在人工智能和今天的硬件跟上?
认知计算对芯片设计意味着什么
电脑,认为自己会比一般的SoC设计的不同;生态系统的影响将是巨大的。
卷积神经网络电力
采用机器学习方法的图像识别的生长;其他应用程序需要力量和性能改进。
|
|
|
|
|
|
|
|
|
|
留下一个回复