王恩东曾指出：“计算力的提升对体系结构提出挑战 。 在半导体技术逐步接近极限的情况下 ， 计算机发展迎来体系结构创新的黄金期 ， 计算力的提升将更多通过体系结构创新来满足 。 ”
据了解 ， 最先进的自然语言处理模型XLNet约有4亿模型参数 。 据估算 ， 人脑中细胞间互联轴突个数在百万亿到千万亿数量级 。 显然AI在认知问题上离我们追求的所谓通用人工智能还有巨大差距 ， 而要达到通用人工智能的水平 ， 预计研究所需要的计算能力和计算系统的能源效率将比现在至少提高几个数量级 。 因此人工智能要进一步突破 ， 必须采用新的计算架构 ， 解决存储单元和计算单元分离带来的算力瓶颈 。
谭茗洲说 ， 目前人工智能的无用计算较多 。 现在人工智能还像不断灌水一样 ， 处在输入数据、调整参数的阶段 ， 是个“黑盒子”模式 ， 特别在图片视频方面消耗很多能量 ， 而其中真正的有效计算却不多 ， 非常浪费能源 。 今后AI有待在“可解释性”上进行突破 ， 搞清是什么原因导致后面的结果 ， 这样可以精准运用数据和算力 ， 大大减少运算量 。 这也是目前重要的研究课题 ， 将大大推动深度学习的发展 。
计算储存一体化 或成下一代系统入口
【要像人类一样聪明 AI先得突破算力极限】“虽然目前阶段计算力还谈不上限制人工智能的发展 ， 但计算力确实提高了参与人工智能研究的门槛 。 ”谭茗洲指出 。
除了研发资金的增长 ， 在计算力爆发之前的很长一段时间 ， 产生数据的场景随着互联网的发展渗透到生活、生产的各个角落 ， 并且随着通讯技术的进步 ， 尤其是5G的商用 ， 使得产生数据的基础场景覆盖面和深度达到新的层次 ， 数据的生产也将达到一个新的数量级 。
2020年伊始 ， 阿里达摩院发布《2020十大科技趋势》报告显示 ， 在人工智能方面 ， 计算存储一体化 ， 类似于人脑 ， 将数据存储单元和计算单元融为一体 ， 能显著减少数据搬运 ， 极大提高计算并行度和能效 。
然而 ， 计算存储一体化的研究无法一蹴而就 。 这个报告提出策略 ， 对于广义上计算存储一体化计算架构的发展 ， 近期策略的关键在于通过芯片设计、集成、封装技术拉近存储单元与计算单元的距离 ， 增加带宽 ， 降低数据搬运的代价 ， 缓解由于数据搬运产生的瓶颈；中期规划是通过架构方面的创新 ， 设存储器于计算单元中或者置计算单元于存储模块内 ， 可以实现计算和存储你中有我 ， 我中有你；远期展望是通过器件层面的创新 ， 实现器件既是存储单元也是计算单元 ， 不分彼此 ， 融为一体 ， 成为真正的计算存储一体化 。 近年来 ， 一些新型非易失存储器 ， 如阻变内存 ， 显示了一定的计算存储融合的潜力 。
据介绍 ， 计算存储一体化正在助力、推动算法升级 ， 成为下一代AI系统的入口 。 存内计算提供的大规模更高效的算力 ， 使得AI算法设计有更充分的想象力 ， 不再受到算力约束 。 从而将硬件上的先进性 ， 升级为系统、算法的领先优势 ， 最终加速孵化新业务 。
而除了计算存储一体化的趋势 ， 量子计算或是解决AI所需巨额算力的另一途径 。 目前量子计算机的发展已经超越传统计算机的摩尔定律 ， 以传统计算机的计算能力为基本参考 ， 量子计算机的算力正迅速发展 。
推荐阅读
- 去台湾要通行证吗 去台湾要要不要通行证
- 墙里的水管漏水怎么办修要多少钱? 墙里的水管漏水怎么办
- 兔子好养吗
- 专业做法式指甲都需要什么
- 支付宝公积金提取审核要多久
- 海底捞面试容易过吗 海底捞面试要求如下
- 面膜为什么要洗掉
- 育儿中家规的重要作用 家规对孩子有什么影响
- 孕期胎动减少或加剧什么原因，要怎么办？
- 苦着养孩子的方法 孩子为什么要苦着养