AI重大突破关键在于硬件设计
http://bit.ly/2OKY25O
未来帮助AI实践下一个重大突破的并非是算法而是硬件设计。英伟达（Nvidia）首席科
学家也认为当前的深度学习革命已经通过硬件实现。
现今使用的许多算法自20世纪80年代以来都一直存在，可是到21世纪初，开始使用大量
标签数据来训练神经网络之后才正式突破现状。例如：到2010年初，深度学习革命的真正
起飞是采用绘图处理器之后。因此，唯有继续提供功能更强大的硬件，否则人工智能的进
展将会放慢。
目前英伟达正在探索三条主要前进的道路：开发更特殊用途的芯片；减少深度学习期间所
需的运算；尝试使用类比而非数位芯片架构。
英伟达就发现专为特定运算任务设计的高度专业化芯片可以胜过擅长处理许多不同类型运
算的GPU芯片。在相同性能下，这种芯片效率比GPU还要高20%。
其次，英伟达正在测试一项研究，在不牺牲深度学习模型的准确性情况下，降低训练期间
必须执行的运算次数。研究人员发现约可跳过大约90%的运算，同时保持相同的学习准确
性。这意味着可以使用更小的芯片架构进行相同的学习任务。
最后，英伟达正在尝试类比运算。电脑将几乎所有资讯储存为一系列的0或1。但是类必运
算将允许直接编码各种数值，这变得更有效率，但是其团队目前仍不确定如何将类比放入
未来的芯片设计之中。
英特尔也提出AI硬件重要性正不断在AI领域中提高地位。随着愈来愈多智慧装置能够连结
上网，透过将数据发送到云端以便通过深度学习模型进行处理的模式并非是最适合的方式
。相反的，在装置本身上运行一个小型，高效率的深度学习模型可能会更有意义。这种被
称为“边缘人工智能”的想法将变得更有效率，因此其能够从专属且固定芯片架构中受益
。另一方面，支持透过云端处理的AI之数据中心，能够在完全灵活的可编程芯片架构上处
理更广泛的学习任务。
总之，无论英特尔和英伟达决定采用何种芯片设计，对人工智能发展的影响都将是巨大的
。纵观历史，个别文明因其独特的材料而以不同的方式发展。同样，英特尔和英伟达通过
不同的芯片设计而使操作更容易，这将极大地影响AI所追求的学习任务类型。