隨著(zhù)社會(huì )轉向用人工智能來(lái)解決越來(lái)越多領(lǐng)域的問(wèn)題，我們看到了一場(chǎng)軍備競賽：即創(chuàng )造出能夠以更高速度和更低功耗運行深度學(xué)習模型的專(zhuān)用硬件。
這場(chǎng)競賽的最新突破包括新的芯片架構，它以一種與我們以前看到的完全不同的方式執行計算。通過(guò)觀(guān)察它們的功能，我們可以了解到未來(lái)幾年可能出現的人工智能應用。
神經(jīng)形態(tài)芯片
神經(jīng)網(wǎng)絡(luò )是深度學(xué)習的關(guān)鍵，它由成千上萬(wàn)個(gè)小程序組成，這些小程序通過(guò)進(jìn)行簡(jiǎn)單的計算來(lái)執行復雜的任務(wù)，如檢測圖像中的物體或將語(yǔ)音轉換成文本。
但是傳統的計算機并沒(méi)有對神經(jīng)網(wǎng)絡(luò )操作進(jìn)行優(yōu)化。相反，它們由一個(gè)或幾個(gè)強大的中央處理器(CPU)組成。神經(jīng)形態(tài)計算機使用另一種芯片結構來(lái)物理地表示神經(jīng)網(wǎng)絡(luò )。神經(jīng)形態(tài)芯片是由許多物理人工神經(jīng)元組成的，這些神經(jīng)元直接與軟件對應。這使得他們在訓練和運行神經(jīng)網(wǎng)絡(luò )方面特別快。
神經(jīng)形態(tài)計算的概念早在20世紀80年代就已經(jīng)存在，但由于神經(jīng)網(wǎng)絡(luò )的效率太低而被忽略，因此沒(méi)有引起太多關(guān)注。近年來(lái)，隨著(zhù)人們對深度學(xué)習和神經(jīng)網(wǎng)絡(luò )的興趣重燃，神經(jīng)形態(tài)芯片的研究也受到了新的關(guān)注。
今年7月，一組中國研究人員推出了一種名為“天啟”的神經(jīng)形態(tài)芯片，它可以解決很多問(wèn)題，包括目標檢測、導航和語(yǔ)音識別。研究人員將該芯片集成到一輛自動(dòng)駕駛自行車(chē)中，讓它對語(yǔ)音指令做出反應，從而展示了芯片的功能。研究人員在《自然》雜志上發(fā)表的一篇論文中指出，預計我們的研究將為更通用的硬件平臺鋪平道路，從而刺激AGI(人工一般智能)的發(fā)展。
雖然沒(méi)有直接證據表明神經(jīng)形態(tài)芯片是創(chuàng )造人工智能的正確途徑，但它們肯定會(huì )幫助創(chuàng )造更高效的人工智能硬件。
神經(jīng)形態(tài)芯片已經(jīng)吸引了大量科技企業(yè)的目光。今年早些時(shí)候，英特爾推出Pohoiki Beach，多達64顆英特爾Loihi神經(jīng)形態(tài)芯片，能夠模擬800萬(wàn)個(gè)人工神經(jīng)元。據英特爾稱(chēng)，Loihi處理信息的速度比傳統處理器快1000倍，效率比傳統處理器高10000倍。
光學(xué)計算
神經(jīng)網(wǎng)絡(luò )和深度學(xué)習計算需要大量的計算資源和電力。人工智能的碳足跡已經(jīng)成為一個(gè)環(huán)境問(wèn)題。神經(jīng)網(wǎng)絡(luò )的能源消耗也限制了它們在電力有限的環(huán)境中的應用，比如電池供電的設備。
隨著(zhù)摩爾定律繼續放緩，傳統的電子芯片正努力跟上人工智能行業(yè)日益增長(cháng)的需求。
幾家公司和研究實(shí)驗室已轉向光學(xué)計算，以尋求解決人工智能行業(yè)的速度和電力挑戰的方案。光學(xué)計算用光子代替電子，用光學(xué)信號代替數字電子來(lái)進(jìn)行計算。
光學(xué)計算設備不像銅電纜那樣產(chǎn)生熱量，這大大降低了它們的能源消耗。光學(xué)計算機也特別適用于快速矩陣乘法，這是神經(jīng)網(wǎng)絡(luò )中的關(guān)鍵運算之一。
在過(guò)去的幾個(gè)月里，出現了幾款光學(xué)人工智能芯片的原型機?？偛课挥诓ㄊ款D的Lightelligence開(kāi)發(fā)了一種光學(xué)人工智能加速器，該加速器與當前的電子硬件兼容，通過(guò)優(yōu)化一些繁重的神經(jīng)網(wǎng)絡(luò )計算，可以將人工智能模型的性能提高一到兩個(gè)數量級。Lightelligence工程師表示，光學(xué)計算的進(jìn)步還將降低人工智能芯片的制造成本。
最近，香港科技大學(xué)的一組研究人員開(kāi)發(fā)了一種全光神經(jīng)網(wǎng)絡(luò )。目前，研究人員已經(jīng)開(kāi)發(fā)了一個(gè)概念驗證模型，模擬一個(gè)具有16個(gè)輸入和2個(gè)輸出的完全連接的雙層神經(jīng)網(wǎng)絡(luò )。大規模的光學(xué)神經(jīng)網(wǎng)絡(luò )可以以光速和較低的能耗運行從圖像識別到科學(xué)研究等計算密集型應用。
超大芯片
今年8月，硅谷初創(chuàng )企業(yè)Cerebras Systems推出了一款包含1.2萬(wàn)億晶體管的大型人工智能芯片。大小為42225平方毫米，Cerebras芯片比最大的英偉達圖形處理器大50多倍。
大型芯片加快了數據處理速度，能夠以更快的速度訓練人工智能模型。與GPU和傳統CPU相比，Cerebras獨特的結構也降低了能耗。
當然，芯片的尺寸將限制其在有限空間的環(huán)境下的使用。Cerebras最近與美國能源部簽訂了第一份合同。美國能源部將利用該芯片加速科學(xué)、工程和健康領(lǐng)域的深度學(xué)習研究。
考慮到各種各樣的行業(yè)和領(lǐng)域都在尋找用于深度學(xué)習的應用程序，單一架構幾乎不可能主導市場(chǎng)。但可以肯定的是，未來(lái)的人工智能芯片很可能與我們電腦和服務(wù)器上幾十年來(lái)的經(jīng)典CPU大不相同。