芯片技术——怎样的芯片才能叫做人工智能芯片

芯片技术——怎样的芯片才能叫做人工智能芯片 当前人工智能的主要发展方向为以深度学习为代表的机器学习，而神经网络也依靠着其在数据挖掘、分类问题上表现出来的优异性能成为了最为热门的“工具”。因此，就目前甚至未来十年的市场而言，所谓的人工智能芯片与神经网络是不可割离的。因此，在当前这个阶段，人工智能芯片可以概括为构建神经网络服务或者搭载神经网络及其相关功能的芯片
更加具体而言，人工智能芯片的功能主要有两个：训练（training）和推断（inference）。

训练：如前文所说，要想构建一个比较精确的神经网络，我们需要大量的样本数据并不断地梯度下降，这就要求我们的处理设备有着强大的计算能力。如果我们想要对一个100*100的图片进行人脸识别，比如1代表有人脸，0代表没有人脸（实际情况远远比笔者描述的要复杂的多，例如在当今社会你很难找到一个大小仅有100*100像素的图片），即便只有一个隐藏层，我们也需要完成对100*100*n（n代表隐藏层节点数）个权重的训练。对于常规的中央处理器（CPU）而言，这种计算量过于“恐怖”，需要大量的时间来完成。因此，就需要我们制造出更加适合计算甚至是适合神经网络计算的芯片作为新的“CPU”。

推断：神经网络归根结底是一种工具，其目的在于帮助人类进行预测（例如人脸识别、语音识别、辅助决策），在网络完成训练后，我们只需要将数据正向地流过网络一遍就可以得到分类结果（与训练过程相比较而言，预测过程所需要的计算量要小得多，但实现该过程所需要的矩阵运算仍是CPU所不擅长的），考虑到绝大多数神经网络都有着相似的结构（例如都有着神经元、隐藏层等基本单元），因此如果能够开发出适合神经网络正向传递计算的芯片的话，将有助于提升神经网络的推断速度，这也是许多人工智能芯片被称之为“神经网络加速器”的原因。


　　　　　　　　　　　　　 查看评论 回复