|
所谓人工智能，依据1956年达特茅斯会议的定义，就是“让机器行为看起来就像是人所表示出来的智能行为一样”。不外固然这句话了解起来很简单，想真正完成却十分艰难。在人工智能的展开过程中，逐步划分出两个展开阶段：强者工智能和弱人工智能。 强者工智能是属于人类级别的人工智能，机器具有思想和认识，能够完成自我推理和自主决策。弱人工智能则是指机器擅擅优点理单一方面的问题，但并没有真正的思想和认识。由于弱人工智能展开水平并没有抵达模仿人脑思想的水平，所以弱人工智能依旧属于“工具”的范畴，与传统的“产品”在实质上并无区别。 目前整个业界所研发的全部人工智能产品，以至是Alpha Go，都仅限于弱人工智能这个阶段，许多打着各种幌子的“伪”人工智能也一并充溢在这片红海中。与此同时，作为人工智能的硬件基础，AI芯片也在短短的一年之内“满山鲜花开满坡”。 向上看，有谷歌TPU和NVIDIA GPU这样的巨无霸，不是下棋就是开汽车，一个萝卜一个坑的占着几个摊子。向下看，有各大移动SoC厂商的AI芯片，输了体积不输阵，也都是规格密码标价，性能头头是道。 但是，“你不觉得AI芯片是个伪概念吗？”这样的疑问却从一位AI芯片从业者口中说出，“从半导体圈子的人来看，AI芯片概念比较怪，定义也十分普遍。你做机器学习也是AI芯片，做深度学习也是AI芯片，做某几种特定算法也是AI芯片。” 的确，关于目前这些AI芯片的功用，各家的确都少有明白的描画，基本上都是一句“AI任务”带过。 不明所以的‘AI任务’ 这“AI任务”到底是个啥？一番细看之下，原来大多数所谓的“AI任务”指的都是视频、音频、图像处置这些方面。这些都是十分传统的需求，而且也都有专用处置器来应对，音视频处置有DSP，图像处置有ISP。 其实无论是视频音频还是图像处置，这些工作都能够在CPU上完成。之所以特地设计DSP和ISP芯片，是由于它们处置这些任务的效率比CPU高出许多。同样的，假如全新的AI芯片能比传统DSP和ISP愈加高效，那在处置器中参与AI芯片的同时，我们理应看到DSP和ISP从现有芯片组成中消逝才对。 在高通官网的骁龙845引见中，“可提供更丰厚的拍摄、语音、XR 和游戏体验”的人工智能平台，依然被高通明白的归结在Hexagon DSP下，阐明往常各家AI芯片所宣传的这些功用，并未抵达真正意义上AI所在的层次，只是对既有需求的扩展而已。 人工智能平台依然被高通明白的归结在Hexagon DSP下 坊间有过这样的风闻，说有一家公司出了款AI芯片，但实践上只是几颗传统DSP（数字信号处置器）芯片的组合，再加上一些软件层面的修正。 关于这条传言的由来，我们无据可考，固然高通现往常将Hexagon DSP作为支撑AI的基石，看起来这种说法似乎也有几分道理，但也不能扫除这只是“同行是冤家”所惹起的非议。而且图灵老爷子于1950年提出的图灵测试，针对的是一个AI系统的整体表示，关于AI硬件的测试，目前市面上尚没有专业的通用测试规范。 不外在前不久，鲁巨匠在其评测软件中添加了一套AI性能评测，同时支持海思麒麟的HiAI和高通的SNPE框架，也支持在CPU上运转TensorFlow推断库。这套AI测试包含了三种不同的神经网络模型：VGG16，InceptionV3以及ResNet34，输入的测试数据是ImageNet数据库中的100张图片。 鲁巨匠AI性能评测 国外知名媒体Anandtech选择了运用麒麟960的华为Mate 9、运用麒麟970的华为Mate 10 Pro、运用骁龙835的谷歌Pixel 2 XL和LG V30四款手机，分别测试了ARM CPU、Hexagon DSP和NPU的AI性能，测试结果以性能（fps）和效能（mJ/inference）双重指标来权衡。 我们首先留意到的一个结果是，NPU和CPU在处置AI运算时的性能有着几十倍的庞大差别。这些算法在CPU上执行的速度最高不外2fps，同时还会耗费掉大量的电能。无论是骁龙835还是麒麟960的CPU平均功耗都曾经超越可持续工作的上限。 作为对比，骁龙835的Hexagon DSP相比CPU约有8~10倍的性能提升，而麒麟970的NPU性能又可抵达Hexagon DSP的1.5倍~4倍。不外在能耗好比面，固然华为NPU相比CPU有着庞大到曾经不在一个次元的优势，但我们也很诧异的看到，骁龙835的Hexagon DSP的综合效率落后麒麟970的NPU仅6%左右。 Anandtech的测试结果 固然鲁巨匠不论在PC和手机端，都素有“文娱巨匠”这样一个不怎样好听的绰号，单单这三个测试项也无法代表麒麟970的NPU的全部性能，但我想鲁巨匠应该无意在目前的AI测试中对谁有所偏重，软件中所选择的这三个测试项目应该是比较常见且通用的。究竟现阶段的安卓阵营里，宣称有AI加速才干的也就只需骁龙835/845和华为麒麟970而已。 我们知道，AI芯片在美国要经过严苛的NSF认证：“要让DNN（深度神经网络算法）计算功耗比提升1000倍的芯片”，这或许是高通依然将人工智能平台归结在Hexagon DSP下的缘由之一吧。 瑞芯微自曝的RK3399Pro成果颇为惊人 我在之前的文章里也曾经说过，目前绝大部分AI芯片，都是厂商对AI大潮反响过激的产物，似乎假如名字里没有AI，都不好意义在江湖上报号。那个坊间风闻，固然并没有任何实锤，但或许真的是目前AI芯片范畴现状的映射。 想要在量子计算时期到来前，在传统半导体工业中完成真正的强者工智能，除了要中止大刀阔斧的芯片架构研发，还要引进新的电子元器件——忆阻。其实这东西说新也不新，忆阻是除电阻、电容、电感之外的第四大电路元件，早在 1971 年，任教于美国的柏克莱大学的华裔科学家蔡少棠便提出了忆阻器的概念。 现行的计算机体系中最常见的是“冯诺依曼架构”，即计算机由存储器、控制器、运算器、输入输出四部分组成，这和人脑的结构有着庞大的差别。人脑的存储、控制和运算三位一体，而忆阻能够让半导体电路具有和人脑一样的“三位一体”特性。 四大电路元件，忆阻在右下角 能够说，假如没有忆阻，仅靠传统的三大电路元件，任何模仿人脑方式的人工智能，在运算效率上都只能是事半功倍，除非人类能够研发出一条与人脑完整不同的智能方式。 固然AI芯片不可能仅靠一个忆阻便一朝功成，但更不是像往常这样在名字里贴上AI两个字母就能够齐活儿的。那些以AI为名的芯片厂家，只需极少数厂家在有目的有方向的中止研发，其他大多都是耐烦。 图灵曾预测，人工智能的思索才干在2000年时可抵达这项测试的规范。这项测试至今依旧被视为权衡人工智能展开水平的准绳，但目前却仍没有出往常哪家公司的roadmap中，我们抵达图灵测试的规范还指日可待。 路还很长，不知道这样混沌的展开状况，还要持续多长时间？ 假如想要了解更多相关信息，请多多关注eeworld，eeworld电子工程世界将给大家提供更全、更细致、更新的资讯信息电子行业，EEWORLD原文链接：http://www.eeworld.com.cn/qrs/article_2018030645517.html |
名表回收网手机版
