最新公告
  • 欢迎您光临欧资源网,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入我们
  • AI到底能不能超越现在顺利达到深度学习的高标准?

    在医疗纠纷、化学合成、刑事鉴定、自动驾驶等应用领域,人工智能的力量与日俱增。什么是现在 AI 做不到的事情,以及未来 AI 能做什么?美国商业 SoC 互连 IP 提供商 ArterisIP 的 CTO Ty Garibay 发表了一篇博客,解释了 AI 和 AI 芯片的过去和现在。

    经历了第一次泡沫、寒冬期,以及已经研究重启的AI技术,目前的突破点在基础层AI芯片的更新。AI能否成功超越目前深度学习的高标准,还有待商榷和验证。

    历史简介

    “人工智能”一词由三位科学家约翰·麦卡锡、克劳德·香农和马文·明斯基于 1956 年在英国达特茅斯会议上提出。在那十年末,亚瑟·塞缪尔创造了“机器学习”一词来指代可以从错误中学习的程序,甚至在跳棋等游戏中的表现优于人类程序员。

    计算机技术的快速进步使研究人员相信人工智能可以快速解决问题。科学家在研究基于人脑功能的计算能否解决现实生活问题的过程中,创造了“神经网络”的概念。

    1970 年,科学家马文·明斯基在接受《生活周刊》采访时表示神经网络权值直接确定法,在 3 到 8 年内,将有望出现一台智能程度与普通人相当的机器。

    1980年代,人工智能走出实验室走向商业化,也掀起了一股人工智能投资热潮。当与人工智能相关的科技股泡沫破裂时,人工智能又回到了实验室。“人工智能寒冬”来了。业内人士认为,当时人工智能技术的发展太先进了,甚至连这项技术都无法普及。

    1986 年,神经网络之父 Geoffrey Hinton 和其他研究人员发表了一份具有里程碑意义的报告,内容是关于“反向传播”算法如何使深度神经网络更具响应性。

    1989 年,深度学习三大巨头之一的美国计算机科学家 Yann LeCun 和他当时在贝尔实验室的同事通过培育能够识别手写邮政编码的神经系统,验证了 AI 理论在现实生活中的可行性。.

    2009 年,斯坦福大学的 Rajat Raina、Anand Madhavan 和 Andrew Ng 发表了一篇论文,证明现代 GPU 的深度学习能力远远超过 CPU。AI大军似乎卷土重来。

    现在

    为什么投资界都在谈论人工智能?归根结底,驱动因素是计算机技术的成熟和海量数据的易得性。一旦研究人员拥有这些资源,算法和解决方案将不再是幻想。

    网络直接调研法主要包括_神经网络参数确定_神经网络权值直接确定法

    但AI芯片最大的挑战是如何在系统级芯片中协调上述资源,而系统级芯片是基于硬件加速器的。

    因此,AI芯片的设计要求非常高,尤其是在汽车行业,安全可靠性的标准根本不能降低。

    谷歌、特斯拉等公司在集成电路设计方面可能还不够成熟,而AI Movie、Horizo​​n Robotics等AI初创公司在机器学习方面知识渊博,但很难完成高水平的SoC开发。.

    以汽车前置摄像头中的深度学习AI芯片加速器为例。该芯片的主要用途是分析和检测道路上的车辆和物体。每个 AI 芯片都带有一个内存文件,以确保最大带宽。

    片上互连机制必须在检测到物体时保证较宽的带宽,在没有遇到物体时分配较窄的带宽,优化功耗。而优化的手段是更新更高级的算法。此类 AI 算法每天更新或升级一次。

    如果把现在的深度算法芯片比作一根香蕉,那么没有人愿意留着一根烂香蕉。事实上,AI芯片中的老算法就像是一根烂香蕉。所以对于AI芯片来说,引入时间比其他类型的半导体更敏感。

    未来

    除了深度学习和神经网络极大地推动了人工智能技术的进步,还有很多研究人员认为,如果人工智能要满足更好的要求,还需要更多的方法来支持人工智能芯片。

    目前大部分AI芯片的设计只是基于杨丽坤、Hinton等学者的理论而做出的不同版本。但是,如果我们继续沿着这条轨道前进,人工智能技术将无法取得更大的实质性突破,更不用说完全被人工智能取代。人类思维。

    目前,人工智能技术仍以“标注”数据为基础,无法完成与历史经验无关的任务。神经网络也不会将先验知识与不熟悉的规则相关联(例如,“向上”与“向下”相反,即孩子是父母所生的事实等)。

    AI 技术无法解决基于未标记数据的问题。例如,即使一个人没有被烧伤,他也不会主动去触碰点燃的火炉,但 AI 目前还做不到。即使使用“标记”数据学习,数据样本也应该足够大。

    AI芯片似乎无法比人类更智能,但它们具有学习能力,未来可以变得更智能。芯片系统的算法和设计都可以改进,这就需要AI芯片拥有更先进的内存系统和连接机制神经网络权值直接确定法,以及承载深度学习数据流的硬件加速器。

    站内大部分资源收集于网络,若侵犯了您的合法权益,请联系我们删除!
    欧资源网 » AI到底能不能超越现在顺利达到深度学习的高标准?

    常见问题FAQ

    免费下载或者VIP会员专享资源能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    找不到素材资源介绍文章里的示例图片?
    对于PPT,KEY,Mockups,APP,网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。
    欧资源网
    一个高级程序员模板开发平台

    发表评论