英特尔:新的芯片材料将使人工智能研究取得巨大进展

后台-系统设置-扩展变量-手机广告位-内容正文顶部

英特尔:新的芯片材料将使人工智能研究取得巨大进展

  原标题:英特尔:新的芯片材料将使人工智能研究取得巨大进展

英特尔:新的芯片材料将使人工智能研究取得巨大进展

  在洛佩兹研究公司(Lopez Research)最近进行的一项调查中,86%的公司表示,他们认为人工智能对他们的业务具有战略意义,而只有36%的公司认为他们在人工智能方面确实取得了有意义的进展。为什么会产生差距?英特尔人工智能产品副总裁兼首席技术官Amir Khosrowshahi和物联网总经理Jonathan Ballon在VentureBeat 2019年旧金山转型大会上分享了他们的想法。

  根据Khosrowshahi的说法,人工智能应用的障碍比过去要低得多。他认为,改变的是“每一个行业”的初创企业和开发人员,不仅仅是学术界和大公司,现在除了在生产中实现机器学习所需的工具和培训之外,还可以访问大量数据。

  这一观点与Gartner今年1月的一份报告相吻合。该报告发现,人工智能的实现在过去四年里增长了270%,仅去年一年就增长了37%。这一比例高于2015年的10%,考虑到一些人估计,到2022年,企业人工智能市场的价值将达到61.4亿美元,这并不奇怪。

  Khosrowshahi说,对一些项目来说,确定正确的工具仍然是一个障碍。“如果你在做一些基于云的事情,你就可以使用大量的计算资源。以及所有这些你可以用来执行特定任务的东西。但我们发现,几乎一半的部署和全球一半的数据都位于数据中心之外,因此客户希望能够在数据创建之初就访问这些数据。”

  人们对“边缘人工智能”日益增长的兴趣在一定程度上已经超过了硬件,而硬件中的大部分实际上无法完成更适合数据中心的任务。如果没有谷歌的张量处理单元和英特尔即将推出的用于训练的Nervana神经网络处理器(也称为NNP-T 1000)等尖端云芯片的帮助,训练最先进的人工智能模型将会耗费无限的时间。

  Khosrowshahi说:“处理器冷却基础设施、软件框架等等已经真正启用了(这些人工智能模型),这是一种巨大的计算量。”“(一切都是关于)扩大处理计算的规模,并在专用硬件基础设施上运行所有东西。”碎片化也没有帮助。尽管谷歌的TensorFlow和Open Neural Network Exchange(一种用于在不同框架之间交换神经网络模型的开放容器格式)等工具的大量涌现,但开发人员的体验并没有得到特别的简化。

  Ballon说:“当你看到与实际部署人工智能模型相关的工作流时,从数据科学家(和)应用程序开发人员(那里)抽象出硬件体系结构的程度需要走很长的路。”“我们还没有做到这一点,在达到这一点之前,我认为软件开发人员有责任了解各种硬件选择的优缺点。”虽然没有什么灵丹妙药,但Ballon和Khosrowshahi都相信,硬件创新有潜力让强大的人工智能进一步平民化。

  Khosrowshahi看好新型晶体管,这种晶体管依靠多铁材料和拓扑材料来运行机器学习算法。所谓的MESO设备有望比目前主要基于互补金属氧化物半导体(CMOS)的微处理器节能10到100倍。更不用说光芯片只需要有限的能量(因为光产生的热量比电少),而且不太容易受到环境温度、电磁场和其他噪声的影响。在功耗“数量级”较低的情况下,光子设计的延迟比硅设计的延迟提高了1万倍,在初步测试中,某些矩阵向量乘法的速度比最先进的电子芯片快100倍。

  Khosrowshahi说:“我们可以为数据中心计算的未来开发一些新的材料,我认为这就是未来。”“这并非不可能实现,围绕人工智能的所有期望将真正加速这一非常困难的领域,将这些新材料纳入产品。”

  新浪声明:新浪网登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。返回搜狐,查看更多

  责任编辑:

电脑帮本文地址:http://www.diannaob.com/ai/ai_3290.html

后台-系统设置-扩展变量-手机广告位-内容正文底部