Tsinghua Üniversitesi'nden Profesör Wei Shaojun: Gerçek bir genel yapay zeka çipi nedir? CCF-GAIR 2018
Leifeng.com'un notu: 2018 Küresel Yapay Zeka ve Robotik Zirvesi (CCF-GAIR) Shenzhen'de düzenlendi.Zirve, Çin Bilgisayar Topluluğu (CCF) ev sahipliğinde, Leifeng.com ve Hong Kong Çin Üniversitesi (Shenzhen) ev sahipliğinde, Shenzhen Baoan Bölge Hükümeti sponsorluğunda gerçekleştirildi. Güçlü rehberlik, yerli yapay zeka alanında en güçlü sınır ötesi değişim ve işbirliği platformunu oluşturmayı amaçlayan, yerli yapay zeka ve robotik, endüstri ve yatırımın üç ana alanında en iyi değişim etkinliğidir.
1 Temmuz'da, gündem üçüncü güne girerken, CCF-GAIR konferansı da öğleden sonra AI çip özel oturumunun finalini başlattı. Yapay zeka çipi özel oturumunun başkanı, Çin Elektronik Enstitüsü Elektronik Tasarım Otomasyonu Uzman Komitesi başkanı ve Tsinghua Üniversitesi Mikroelektronik Enstitüsü'nün yöneticisi Profesör Wei Shaojun'dur.Profesör Wei, yapay zeka çipi özel oturumuna başkanlığının yanı sıra kuru ürünler de getirdi. Tam konferans raporu "IA'dan AI'ya, ne kadar ileri gitmemiz gerekiyor?
Raporda Profesör Wei, yapay zeka uzmanı Michael I.Jordan'ın bugün yaptığımız şeyin gerçek AI (Yapay Zeka) olarak görülemeyeceği, ancak teknolojiyi yalnızca zekanın belirli bir yönünü geliştirmek için kullandığına dair görüşünü aktardı. Gelişmiş zeka (Intelligence Augmentation, IA olarak anılır). Bunun nedeni, mevcut yapay zeka algoritmalarının insanların gereksinimlerini karşılamaktan uzak olmasıdır.Özellikle, mevcut algoritmalar, insan beynine benzer oldukça karmaşık ve oldukça esnek birbirine bağlı yapısal bir sistemi gerçekleştirmek için çok tek.
Profesör Wei, şu anda yapay zekayı gerçekleştirmek için yongalara güvenmekten başka çaremiz olmadığına işaret etti; ancak, CPU, GPU ve FPGA gibi mevcut yongaların temel mimarisi bu yapay zeka atılımından önce zaten vardı. Akıllıdır ve özel olarak tasarlanmıştır, bu nedenle yapay zekayı gerçekleştirme görevini mükemmel bir şekilde üstlenemez. Yapay zekanın çipler üzerindeki gereksinimleri, yeterli bilgi işlem gücü ve son derece yüksek enerji verimliliği oranına ek olarak, yüksek enerji verimli, evrensel bir hesaplama motoruna da ihtiyaç duyar. Bu nedenle, Profesör Wei, AI çiplerinin en azından aşağıdaki özelliklere sahip olması gerektiğine inanıyor:
-
İlk olarak, programlanabilirliği algoritmanın evrimine uyum sağlamalı ve çeşitlilikle ilgilenmelidir; çünkü algoritma kararsız olduğundan, sürekli değişmektedir;
-
İkinci olarak, mimarinin dinamik değişkenliği farklı algoritmalara uyum sağlamalıdır;
-
Üçüncüsü, verimli mimari dönüştürme yetenekleri, çünkü farklı işlemler farklı mimariler gerektirir.
Daha sonra, donanım programlanabilir ve yazılım programlanabilir perspektifinden Profesör Wei, yongaların doğasını dört kategoriye ayırdı ve çok az kişinin dikkat ettiği yazılım tanımlı yongaların (SDC) yapay zeka alanında en fazla potansiyele sahip olduğuna inandı; bir yandan bir CPU'ya sahipler. Öte yandan esneklik, yüksek enerji verimliliği ve uygulamaya özel entegre devrelerin yüksek entegrasyonudur. Yazılım ve donanımı, karışık taneciklik ile programlanabilir, en önemlisi, yazılım değişiklikleri ile çipin fonksiyonunun değişmesidir, kullanımda çip tasarım bilgisi gerektirmez.
Profesör Wei, çiplerin akıllı olabilmesi için tek başına donanıma sahip olmaması, zorlu bir yazılıma sahip olması gerektiğini söyledi - bağımsız öğrenme yeteneği, bilgi ve deneyim oluşturma yeteneği, sürekli iyileştirme ve optimize etme yeteneği, yeniden oluşturma ve organize etme yeteneği ve düşünme yeteneği. Mantıksal akıl yürütme yeteneği, doğru yargılarda bulunma ve karar verme yeteneği donanımla değil, yalnızca yazılımla sağlanabilir.
Bu konsepte dayanarak, Profesör Wei, gerçek bir yazılım tanımlı çip olduğunu düşündüğünden bahsetti. Yani:
Gerçekten ideal bir bilgi işlem, yazılım ve donanımın tamamen aynı mimarisine sahip olmalıdır.Yazılım ne tür bir topoloji, donanım ne tür bir topoloji olmalıdır; yazılımın ne tür bir hesaplamaya ihtiyacı vardır, donanım bu tür bilgi işlem kaynaklarına ihtiyaç duyar. Maalesef yazılım büyük olabilir, ancak donanım büyük olamaz; yazılımı donanımla aynı boyutta olması için bloklara bölmemiz gerekiyor. Örneğin, 6 bloğa bölün ve veri bağımlılığına göre ikinci, üçüncü ve dördüncü blokları altıncı bloğa kadar yerleştirin. Bu, donanımımızın işlevlerini herhangi bir zamanda değiştirmesini gerektirir ve donanım işlevleri ve mimarisi gerçek zamanlı olarak yazılıma uygun olarak dinamik olarak değiştirilebilir.Biz buna yazılım tanımlı çip diyoruz.
Profesör Wei, yukarıdaki konsept kulağa basit gelse de, onu gerçekleştirmenin çok zor bir süreç olduğunu ve kendi laboratuvarının da 12 yıllık sıkı bir çalışma yaşadığını ve sonunda gerçekleştirdiğini söyledi (araştırma sonuçları, ilgili uluslararası alanda Tsinghua Üniversitesi Düşünür ekibi tarafından geliştirildi. (Toplantıda yayınlanan ilgili raporları Leifeng.com'dan görüntüleyebilirsiniz). Bu yeni mimari sayesinde, yeniden yapılandırılabilir sinir ağlarını gerçekleştirmek, yani AI uygulamaları aracılığıyla seçtiğimiz derin sinir ağını tanımlamak ve çip mimarisini ve işlevlerini değiştirmek için kullanılabilir.Profesör Wei, eğer yapılabilirse, o zaman şunu söyledi Bu çip gerçek bir genel yapay zeka çipi olacak.
Son olarak Çin ve Amerika Birleşik Devletleri'nde son zamanlarda çip sahasında "korkmuş idrar" ve "korkmuş idrar" gibi seslere yanıt olarak, Profesör Wei, ABD yarı iletken endüstrisi ile olan boşluğu kabul ederken, Çin'in yazılım tanımlı çipler alanındaki lider konumunu da görmemiz gerektiğine inanıyor ve AI çip yeniliğinin ancak gerçek mimari inovasyonu ile zirveye ulaşabileceğine inanıyor.
Konferans raporundan sonra Profesör Wei, Leifeng.com'dan özel bir röportajı kabul etti.
Daha önce, Profesör Wei, AI çiplerinin geliştirilmesinin önümüzdeki 2-3 yıl içinde bir gerileme dönemiyle karşılaşacağı görüşünü öne sürmüştü; bugünün girişimcilerinden bazıları veya hatta çoğu bu teknolojik değişimde "şehit" olacaklar. Bu bakış açısı için Profesör Wei, iki neden olduğunu belirtti:
-
Birincisi, Gartner'ın Hype Cycle (teknoloji olgunluk eğrisi) gibi belirli endüstriyel gelişme yasaları nedeniyle, mevcut AI çipi ilk zirvesinin zirvesindedir ve önümüzdeki iki veya üç yıl içinde bir düşüş olacak ve birçok şey gelişecek. Hepsi ısıyı yaşadıktan sonra düşüş sürecine girer ve son olarak uygulama kararlılık süresine girer.
-
İkincisi, AI çok sıcak olmasına rağmen, gerçekten iniş yapmadı. Aslında, tüm teknolojiler mutlaka AI gerektirmez. Çoğu durumda, AI gelişmiş bir rol oynar; insanlar şu anda AI'yı benimsiyorlar, ancak gelecekte hayal kırıklığına uğrayabilirler. Dolayısıyla, AI'nın ihtiyacı olan şey, her gün ayrılmaz olan gerçek Katil Uygulamasıdır.
Burada bahsedilen katil yapay zeka uygulamalarına gelince, Profesör Wei, otonom sürüş ve teletıp gibi bazı vakalar da verdi. Buna ek olarak, geçen yılın ikinci yarısından bu yana yapay zeka çiplerinin sıcak durumuna yanıt olarak, Profesör Wei bunun sermaye artırımının bir sonucu olduğuna inanıyor.Para tükendiğinde sorunların ortaya çıkması muhtemeldir ve sermayenin kâr amaçlı doğası gereği bunu sürdürmek de zordur. nın-nin.
Profesör Wei'nin raporda bahsettiği Düşünen ekibinin ilgili başarıları ile ilgili olarak Profesör Wei, ekibin şu anda finansman aşamasında olduğunu ve değerlemenin de çok yüksek olduğunu ve sektöre girdikten sonra performans, enerji verimliliği elde edebileceğini, Maliyet, kolejlerin sonucundan çok daha iyi olmalı.
Profesör Wei, Thinker'ın çok yönlü olmasına rağmen, CPU, GPU ve FPGA'nın yerini alması amaçlanmadığını vurguladı.Gelecekte, bu farklı yonga türleri uzun süre bir arada var olmaya devam edecek. Mevcut durum söz konusu olduğunda, Thinker'ın endüstri yönündeki özel uygulama senaryoları endüstrinin özel koşullarına bağlıdır.Ancak Profesör Wei, Thinker'ın uç taraf uygulamalara daha yatkın olduğuna inanıyor çünkü AI çiplerinde gerçek atılımlar yalnızca uç taraf atılımları.
Tüm AI çip endüstrisinin gelecekteki gelişiminden bahsetmişken, Profesör Wei, Intelin CPUsu ve NVIDIAnın GPUnun kendi alanlarına hakim olması gibi, gelecekte AI yongaları alanında da dünyaya hakim olacak bir şirket olacağına inanıyor. Bu şirketin Çin'de görünme umudu var ve Thinker benzersizdir ve başkalarının sahip olmadığı avantajlara sahiptir, bu nedenle hiç şansı olmayabilir.
Son olarak, ZTE olayının neden olduğu tozun henüz tam olarak yerleşmemiş olduğu arka planında, Çin yarı iletken endüstrisinde bir lider olarak Profesör Wei, Leifeng.com aracılığıyla Çin yarı iletken endüstrisinden de bir ses verdi:
Her şeyden önce, ZTE olayı hala bağımsız bir olaydır. Çinli şirketlerin uluslararası pazara girdiklerinde "zorunlu kurs" yaşamaları gerektiğini yansıtıyor. Bu şey ZTE'nin başına gelmese bile gelecekte bir noktada başka firmaların başına gelecek, kısacası er ya da geç olacak, aynı zamanda firmalarımızın uluslararası pazara girme sürecinde uyulması gereken kuralların farkına varmasını sağlıyor. Elbette, ZTEnin bu seferki fiyatı gerçekten biraz daha yüksek.
Dış dünyadan bakıldığında, bazı kamuoyu görüşleri bir yandan ZTE'yi çok kötü eleştirirken, diğer yandan değersiz olduklarını düşünüyorlar, buna kesinlikle katılmıyorum. ZTE olayından sonra, bazı insanlar küstahça hiçbir şey yapamayacaklarını söylediler ve "Bunu okuduktan sonra Çin çiplerinin ne kadar kötü olduğunu biliyorsunuz" gibi birçok sansasyonel konu var - bu insanlar da başka bir aşırılığa düştüler.
Peki ya Çin çipi?
Başkalarına kıyasla bir boşluk olduğuna inanıyoruz ama o kadar da kötü değil. Aslında hepimizin sahip olduğu şeylere sahibiz, ancak diğerlerinden biraz daha kötüler, örneğin daha düşük performans ve daha düşük güvenilirlik gibi. Yavaş geliştirme sürecinde hala bazı sorunlar var. Beş, sekiz, on yıl içinde, Çin'in çiplerinin uluslararası standartlarla hemen hemen aynı olması çok muhtemeldir.
ve bu yüzden, Her şeyden önce kendimizle övünmemeliyiz, ikincisi küstahça alçakgönüllülük yapmamalı, istikrarlı bir şekilde gelişmeli ve aynı zamanda kendimize güvenmeliyiz. Amerika Birleşik Devletleri'nin bu kadar endişeli olmasının nedeni esas olarak Çin'in ilgili alanlardaki gelişmesinden korkması, aksi takdirde hiç umursamayacağı için. Çin halkının kendi kararlılığı olmalı, Çin'in yarı iletken endüstrisi ne bazılarının söylediği kadar iyi ne de bazılarının söylediği kadar kötü - hala gelişme sürecinde ve ben kendime güveniyorum.
Aşağıda Profesör Wei Shaojun'un CCF-GAIR 2018'deki konferans raporunun içeriği yer almaktadır. Leifeng.com orijinal niyetini değiştirmeden raporu düzenledi.
herkese iyi günler! Sizinle AI çipleri hakkında iletişim kurma fırsatına sahip olduğum için çok mutluyum. Tamamen kişisel ve kimseyi temsil etmiyor, sadece kendimi.
IA'dan AI'ya, ne kadar ileri gitmemiz gerekiyor? AI'yı herkes bilir. Korkarım pek çok insan IA hakkında bir şey bilmiyor. Bunun hakkında yavaş yavaş konuşalım. Açıkçası, AI ve IA birbiriyle ilişkili. Birkaç şey hakkında kabaca konuşun:
-
Yapay zeka teknolojisi ve yapay zeka çiplerinin karşılaştığı zorluklardan biri.
-
İkincisi, mimari yenilik, yapay zeka çiplerinde ilerleme sağlamanın tek yoludur.Şu anda birçok insan çip üretiyor.Yonga mimarisinin nasıl yapılacağı konusunda nispeten az veya hatta ciddi tartışmalar var.
-
Üçüncüsü, sonuçtur.
Yapay zekanın insan toplumu üzerindeki etkisi çok geniş kapsamlı, kabul etsek de etmesek de bu oldu.
Dünyaca ünlü bir danışmanlık şirketi olan McKinsey, finans, tüketim, telekomünikasyon, sağlık, enerji ve malzemeler, medya, kamu ve sosyal hizmetler, gelişmiş endüstriler ve ilaçları kapsayan 9 dikey alanda 300'den fazla şirkette vaka çalışmaları yürüttü. Sonuç şu: Yapay zeka, sadece belirli bir alan için değil, neredeyse tüm dikey alanlarda derin bir etkiye sahip olacak.
Bu sonuç, çip yapanları çok heyecanlandırıyor, çünkü yapay zekanın getirdiği değişiklikler, internet ve mobil internet donanımı gibi önceki yıkıcı teknolojik yeniliklerden çok farklı olduğu için% 50'den fazlasını işgal edecek. Geçmişte, İnternet ve mobil İnternetin egemenliği altında, birçok öğrenci istihdam için önce finans ve interneti seçti; ancak AI alanında, teknolojik gelişmenin% 50'den fazlası donanım tarafından yönetilecek.
Özellikle önümüzdeki 10 yıl içinde, yapay zeka ve derin öğrenme, silikon gofret talebini artıran ana faktörler olacak; 2025'te yapay zeka, yarı iletken endüstrisinin gelirini, küresel yarı iletken satışlarının% 20'sine yakın olan 60 milyar ABD dolarının üzerine çıkaracak.
Yarı iletken AI çiplerimiz iyi gidiyor mu? Pek sayılmaz. Berkeley, California Üniversitesi'nden Profesör Michael I. Jordan, 20 gün önce Amerika Birleşik Devletleri'nde bir konuşma yaptı. O sırada oradaydım. "Bugün yaptığımızın yapay zeka olduğunu söylemek daha iyi, ama yaptığımız şey artırılmış zeka." Dedi. Bu cümle, bugün yaptığımız şeyin gerçek AI (Yapay Zeka) olarak görülemeyeceği, ancak yalnızca teknolojiyi, zekanın belirli bir yönünü geliştirmek için kullandığımız anlamına gelir; AA dememin nedeni, temel yapay zeka algoritmasının gereksinimlerimizden uzak olmasıdır.
Burada iki gerçek sorun var:
-
İlk olarak, AI algoritmasının kendisi sürekli olarak gelişiyor ve yeni algoritmalar sonsuz bir şekilde ortaya çıkıyor.
-
İkincisi, tüm uygulamalara uygulanabilecek tek bir algoritma yoktur. Her uygulama bir algoritmaya karşılık gelir veya her algoritma bir uygulamaya karşılık gelir. Aslında, insan beynimiz pek çok şey yapabilir, ancak şimdi yapay zeka algoritmaları hala bire bir.
Temel bir algılama sürecinden bahsediyoruz: temel bir mantıksal ilişki olan algılama-aktarım-işleme-aktarım-yürütme. Elbette bu, tıpkı insanların gözleri, burnu, ağzı ve cildi olduğu gibi çoklu algıları da içerir; uygulamada birden fazla infaz vardır; sinir iletimi, deri iletimi, göz iletimi, ses iletimi vb. Dahil olmak üzere iletim de çeşitlidir. Aktarım, ama nasıl karşılaştırılacağını bilmiyorum.
Aslında, hesaplamalar, analizler, deneysel bilgi ve yargılar, vb. Yerini yalnızca bilgisayar kavramı, yani yazılım + işleme + depolama ile değiştirdi.
Elde etmek istediğimiz şey aslında çok karmaşık ve akıllı bir sistem: çok çıkışlı, çok girişli bir sistem olmalı, çok görevli, son derece paralel hesaplama sistemi ve çok işlemcili, oldukça karmaşık ve oldukça esnek bir ara bağlantı yapısı olmalıdır. İşlemci birimi sistemi, paralel dağıtılmış depolama, paralel dağıtılmış yazılım, dağıtılmış işleme ve merkezi kontrol mimarisi.
Aslında, üzerinde çalıştığınız yapay zeka çiplerinin çoğu bir, muhtemelen iki veya en fazla üç işlevi yerine getirebilir; hala insanlar gibi N tipi işleyemekten uzaktır. Üstelik insanlar bir karar verirken tek bir karar vermezler, aynı anda birden fazla karar verirler veya aynı anda birden fazla karar verirler. Bu, günümüzde yapay zeka ile elde edilemeyecek bir şey; bilmiyoruz ama insan beyninin nasıl çalıştığını, kullanabiliriz. Hesaplama yöntemi hafıza, eylem, özellik çıkarma ve karar verme sürecini gerçekleştirir.
Şimdi sadece hesaplamalara güvenebiliriz çünkü makineler ile insan beyni arasındaki fark çok büyük.
karşılaştırma yapmak. İnsan beyninde 14 milyar nöron vardır, iletim hızı saniyede 120 metre ve çalışma frekansı çok düşük, 200 Hz; insan korteksi nispeten büyüktür ve saniyede 10 ila 16. güç hesaplamaları yapabilir. Çeyrek metrekare, ağırlık 1,2-1,6 kg ve güç tüketimi sadece 20 watt.
Makine yapamaz, bazı konularda insanları geçse de maliyeti çok yüksektir. Örneğin, bir süper bilgisayar saniyede 10 ila 30'uncu güç hesaplamasına ulaşmak için birden çok yonga kullanabilir, bu çok dikkat çekicidir; ancak saniyede 300.000 kilometre iletmek için elektrik kullanır, saatte 4,2 milyar kez çalışır ve 24 megabayt elektrik tüketir. watt. Bu nedenle makineler ve insanlar arasında büyük bir fark var ve makinelerin insanlara yetişmesi hala çok uzak.
Şu anda yapay zekayı gerçekleştirmek için çiplere güvenmekten başka seçeneğimiz yok. Birçok farklı yonga var. Şu anda zaten FPGA'larımız, GPU'larımız, CPU'larımız vs. var ve ayrıca beyin benzeri hesaplamalar ve hatta bellek içi hesaplamalar da yapabiliyoruz. Ancak bunların hepsi zaten var olan yongalardır.Temel mimarileri bu yapay zeka buluşundan önce zaten mevcuttu.Özel olarak yapay zeka için tasarlanmamışlardı, bu yüzden yapay zekayı gerçekleştirme görevini mükemmel bir şekilde üstlenemiyorlar; tamamlanabilseler bile , Bu en iyisi mi? Bu konular dikkate değerdir.
Ancak bilişimin temel nokta olduğunu biliyoruz ve iyi bir hesaplama motoruna ihtiyacımız var çünkü gördüğümüz çeşitli yapay zeka ağlarının gerektirdiği hesaplama miktarı çok büyük. Örneğin 2014 yılında VGG19'un bilgi işlem gücü saniyede 19,6 milyar kata ulaşacak ve aynı anda yaklaşık 138 milyon parametre işleyecektir.Yeterli bilgi işlem gücü olmadan yapılamaz; ikincisi, buluttaki sözde eğitimden terminal muhakemesine geçtiğimizde , Çok yüksek bir verimlilik oranına sahip olmasını istiyoruz, aksi takdirde terminal ekipmanının (akıllı telefonlar gibi) kısa süre sonra gücü bitecek ve çalışamayacak.
Bu nedenle, gerekli bir koşul olan enerji verimli, evrensel bir bilgi işlem motoruna ihtiyacımız olduğunu söylüyoruz. Bu durumda, AI çiplerinin temel özelliklere sahip olması gerekir.Bunları şu şekilde listeliyorum (belki daha fazlası):
-
İlk olarak, programlanabilirliği algoritmanın evrimine uyum sağlamalı ve çeşitlilikle ilgilenmelidir; çünkü algoritma kararsız olduğundan, sürekli değişmektedir;
-
İkinci olarak, mimarinin dinamik değişkenliği farklı algoritmalara uyum sağlamalıdır;
-
Üçüncüsü, verimli mimari dönüştürme yetenekleri, çünkü farklı işlemler farklı mimariler gerektirir. Mevcut herhangi bir talimat yapısının asla bizim gereksinimlerimizi karşılamayacağını doğrulayabilirim. 1W'nin saniyede 10 trilyon işlem gerektirmesi gibi yüksek verimli mimari bekliyoruz.
Bununla birlikte, bazı terminal uygulamalarında, güç tüketiminiz 1 mW'den az olmalıdır ve bir pili bir yıl boyunca değiştirmemek temel bir gerekliliktir. Aynı zamanda ev aletlerine ve tüketici elektroniğine girebilmek için maliyetin düşük olması, mobil cihazlara yüklenebilmesi için hacmin küçük olması, aynı zamanda herkesin çipin nasıl tasarlanacağını bilmesine gerek kalmaması için geliştirilmesi kolay olmalıdır.
Bu koşullar açısından, CPU + yazılımı, CPU + GPU ve CPU + ASIC ideal mimariler değildir.
Peki mimari nedir? Yapay zeka çiplerinin mimarisi neye benzemeli? Yapay zeka çip mimarisinden bahsetmeden önce çipin geliştirilmesindeki ilgili içeriği sizlerle birlikte gözden geçirmek istiyorum.
İlk olarak, donanımla programlanabilen ve yazılımla programlanabilene göre dört bölüme ayrılıyoruz.
-
İkinci kadran donanım işlemcisidir.Donanım taşınamaz, ancak CPU ve DSP gibi yazılım değiştirilebilir. Kaba tanelidirler ve genellikle 8 ila 64 bitte çalışırlar.Çip, çalışırken yazılım tarafından programlanabilir ve yalnızca bir yazılım mühendisi tarafından programlanmaya ihtiyaç duyar.Enerji verimliliği ve hesaplama verimliliği yüksek değildir.
-
Üçüncü kadran, ASIC ve SoC gibi ne yazılımın ne de donanımın programlanabilir olmasıdır. Çoklu çeşitler ve küçük partilerle karakterizedirler.Üretildikten sonra değiştirilemezler.Genellikle yazılım gerektirmezler (bazıları yazılım gerektirir, ancak asıl olanlar değildir) Bunları kullanmak için çok net bir yonga bilgisi gerekir. Enerji verimliliği ve hesaplama verimliliği yüksektir, bu da onun avantajıdır.
-
Dördüncü çeyrek, FPGA ve EPLD gibi programlanabilir mantıktır. Donanım programlanabilir, ancak aslında statik programlamadır; ince tanelidir, her bit için tanımlanabilir ve yonganın çalışması için yazılıma ihtiyacı yoktur (bazıları FPGA'nın yazılıma ihtiyacı olduğunu söyler, ancak yazılım değil, donanımı tanımlayan bir açıklama dili, dolayısıyla FPGA yazılıma ihtiyaç duymaz. ). Kullanmak için çip desteğine ihtiyacı vardır ve enerji verimliliği ve hesaplama verimliliği yüksek değildir.
-
İlk çeyrekte, RCP, CGRA vb. Gibi yazılım tanımlı yongalara (SDC) kadar çok az kişi çok dikkat etti. Yazılım ve donanımı, karışık taneciklik ile programlanabilir.En önemlisi, çipin fonksiyonunun yazılım değişiklikleri ile değişmesidir; kullanımda çip tasarım bilgisi gerektirmez.Enerji verimliliği ve hesaplama verimliliği, profesyonel entegrasyon kadar yüksek olmasa da, aynı zamanda yeterince yüksek.
Bu tamamen yeni bir alan.
CPU'lar ve diğer işlemciler genel amaçlı ve oldukça esnektir, ancak oligopolün en uç noktasına girmişlerdir. En ileri teknolojiyi, yüksek maliyeti, yüksek fiyatı ve ekolojik ortam tarafından kısıtlanması kolaydır; uygulamaya özel entegre devreler özeldir ancak esnek değildir ve miktar yeterlidir Düşükse ucuz olabilir; FPGA, CPU'ya benzer şekilde çok yönlü ve oldukça esnektir. Bahsettiğimiz yazılım tanımlı yonganın oligopol sorunu yok ve en gelişmiş olması gerekmiyor, ancak yeterince gelişmiş olması gerekiyor.Kullanımı genişletmek maliyeti düşürebilir ve ekolojik bir sorun yok.Bir yandan CPU esnekliğine sahip, diğeri ise Bir yandan, uygulamaya özel entegre devrelerin yüksek enerji verimliliği ve yüksek entegrasyonu.
Yazılım tanımlı çip sonuçta yeni bir terimdir, peki bundan sonra ne yapılmalı? İnsan beyninin nasıl hesapladığını ve düşündüğünü bilmiyoruz, bu yüzden bir bilgisayarı sadece kaba bir mantık yürütmek için kullanabiliriz.
Örneğin, bir donanım platformuna ihtiyacımız var. Bu donanım platformunun yüksek bilgi işlem gücüne, çok görevli paralel hesaplama özelliklerine, yeterli iş hacmine, son derece yüksek enerji verimliliğine, esnek ve verimli depolamaya sahip olması ve dinamik iş değişikliklerine uyum sağlaması gerekir. Destek budur Zekanın temeli. Çiplerin akıllı olması için, tek başına donanıma sahip olamazlar, zorlu bir yazılıma sahip olmaları gerekir - bağımsız olarak öğrenme, bilgi ve deneyim oluşturma yeteneği, sürekli iyileştirme ve optimize etme yeteneği, yeniden oluşturma ve organize etme yeteneği ve mantıksal mantık yürütme yeteneği. Doğru yargılarda bulunma ve karar verme yeteneği donanımla değil yazılımla yapılır.
Herhangi biri bunun donanımda yapılabileceğini düşünüyorsa, yanlış yolda olmaları gerekir. Zekayı gerçekleştirmenin özü yazılımdır, bu yüzden daha ileriye baktığımızda, istediğimiz şey yazılım tanımlı bir yongadır - yazılım değiştiğinde, çip de onunla birlikte değişir. Aslında Amerikalılar da bu işi yapıyor.Örneğin, ERI projesinin altı alt başlığından biri olarak, yazılım tanımlı donanımın çok önemli olduğu Amerika Birleşik Devletleri'nde yeni başlatılan ERI (Electronic Revitalization Program).
Bir süre önce San Francisco'daki DARPA (Savunma İleri Araştırma Projeleri Ajansı) proje yöneticileri ile iletişim kurdum ve Amerika Birleşik Devletleri'nin bunu yapmasının sebebinin, yazılım ve donanım, özellikle donanım kombinasyonunu görmelerinden kaynaklandığını keşfettim. Denatürasyon, gelecekteki gelişimin odağı haline geldi; projede planlanan içerik, veri yoğun operasyonlar için programlanabilirliğini kaybetmeden, operasyon sırasında gerçek zamanlı olarak değişebilen, ASIC'lerin performansına ulaşabilen bir donanım ve yazılım kurmaktır. Bu, yazılım tanımlı çiptir.
Benim için 300-1000 NS, 0.3-1 mikrosaniye olan "At Runtime" denen şey hakkında çok endişeliyim ve bu değişimin hızı çok yavaş.
Öyleyse, FPGA yazılım tanımlı bir çip midir? Değil. FPGA'ların ilk 10 kusurunu tekrarlıyorum:
-
FPGA ince tanelidir ve bit düzeyinde işlemleri gerçekleştirir.
-
Yapılandırma bilgilerinin miktarı büyük, birkaç megabayt ve hatta düzinelerce megabayttır.
-
Yapılandırma süresi uzundur, onlarca milisaniyeden onlarca milisaniyeye, hatta saniyelere kadar değişir.
-
Statik programlama, bir kez yapılandırıldıktan sonra değiştirilemez FPGA'nın işlevini değiştirmek için, yapılandırma bilgilerini çevrimiçi olarak kapatın veya yeniden yükleyin.
-
Mantık yeniden kullanılamaz ve tüm devreler FPGA'ya yüklenmelidir.
-
Alan verimliliği düşüktür Her LUT yalnızca bir bitlik işlem uygulayabilir ve alan verimliliği yalnızca% 5'tir On milyonlarca kapıya sahip bir FPGA yalnızca yüzbinlerce kapıdan oluşan bir mantık devresini uygulayabilir.
-
Enerji verimliliği düşüktür ve düşük mantık kullanımı nedeniyle etkisiz güç tüketimi çok büyüktür.
-
Özel süreçler gerekir, FPGA'lar genellikle en gelişmiş üretim süreçlerini gerektirir ve bu süreçte özel ayarlamalar gerekir.
-
Devre tasarım teknolojisi, kullanıcının devre tasarım bilgisi ve tecrübesine sahip olması gerekir.
-
Maliyet yüksek, parça başına on ila on binlerce dolar.
Yani FPGA istediğimiz şey değil; FPGA yazılım tanımlı çip olarak değil, SdC olarak kullanılamaz.
Peki neden yazılım tanımlı çipler?
Örneğin, yonga tasarımını yaparken patron sık sık "Farklı bir şey yapmalısın, diğerleriyle aynı şey değil" dedi; bu yüzden teknik özellikler konusunda yaygara kopardı - bu tamamen yanlış bir fikir, farklılaştırılmış Spesifikasyonlara göre tasarlanmamıştır. Bu şekilde tasarlanan farklılaşma, yalnızca ürün çıktısı döneminde var olur ve daha sonra değiştirilemez; diğerleri yetiştiğinde, farklılaşma gittikçe küçülür ve ürününüz çıkacaktır.
Bir çocuk bebekten yetişkine büyür. Ortadaki büyüme eğitim ve öğrenmeyi içerir. "San Zi Jing", "insanların doğası gereği iyi, doğası gereği benzer ve alışkanlıklarda uzaktır" der. Çip neden bunu yapamıyor?
Çiplerimiz kullanım sırasında öğrenmeye devam ederse, farklılaşma zamanla güçlendirilebilir.Bu tür yongalar gerçekten akıllı yongalardır. Mevcut uygulama, eğitim + muhakemedir (eğitim öğretmen eğitimidir, öğretmen bize öğretmek için önceki bilgileri kullanır, öğretmenin öğrettiği şekilde akıl yürütür ve uygularız), ki bu yapay zeka geliştirme süreci olur; çipin bunu yapmasına izin verirsek, biz Çipi daha iyi hale getirebilir.
Şimdi, yazılım tanımlı gerçek bir çipin ne olduğundan bahsedeyim.
Gerçekten ideal bir bilgi işlem, yazılım ve donanımın tamamen aynı mimarisine sahip olmalıdır.Yazılım ne tür bir topoloji, donanım ne tür bir topoloji olmalıdır; yazılımın ne tür bir hesaplamaya ihtiyacı vardır, donanım bu tür bilgi işlem kaynaklarına ihtiyaç duyar. Maalesef yazılım büyük olabilir, ancak donanım büyük olamaz; yazılımı donanımla aynı boyutta olması için bloklara bölmemiz gerekiyor. Örneğin, 6 bloğa bölün ve veri bağımlılığına göre ikinci, üçüncü ve dördüncü blokları altıncı bloğa kadar yerleştirin. Bu, donanımımızın fonksiyonlarını herhangi bir zamanda değiştirmesini gerektirir ve donanım fonksiyonları ve mimarisi gerçek zamanlı olarak yazılıma göre dinamik olarak değiştirilebilir.Biz buna yazılım tanımlı çip diyoruz - aslında bu çok zor bir şey, laboratuvarım yaptı. 12 yılda tamamlandı.
Bu şekilde temel mimariyi kolayca elde edebiliriz: bölünmüş yazılımı kontrol ünitesi aracılığıyla sözde veri kanalına gönderiyoruz ve veri kanalı donanımı programlamak için kullanılıyor; böylece programlama sonuçlarımız tamamen yazılıma uyarlanabilir. Bunun geliştirilmesi, donanımımızın ve yazılımımızın tamamen yeniden yapılandırılabilir ve tamamen programlanabilir olmasını gerektirir. Bu bizim temel fikrimiz.
Bu temel fikri geleneksel bilgi işlem mimarisiyle karşılaştırdığımızda şunları görebilirsiniz:
Klasik bilgi işlem yapısı temelde von Neumann'ın mimarisidir, ancak yazılım tanımlı yongalar için işlevsel esnek bir yapıdır. Geleneksel mimaride uygulama, hesaplama yapısına uyum sağlar.Programlama için bilgisayar yapısını bilmeniz gerekir.Yapımızda, hesaplama uygulamaya adapte olur.Bu tam tersidir.Donanım yazılıma adapte olur. Geleneksel yapıda, bir görevin yalnızca bir işleme yazılımı vardır ve 10 yazılımı derlemek imkansızdır; bizim yapımızda bir görevin birden çok eşdeğer işleme yazılımı vardır. Geleneksel bilgi işlem modelinde, donanım ve yazılım değişmeden kalır, ancak bizim durumumuzda donanım ve yazılım dinamik ve seçici olarak değişir. Geleneksel yapıda, yüksek derecede yeniden kullanım gereklidir.Bizim yapımızda yedekli uygulamalar üretilir, bu temelde farklıdır.
Bununla birlikte, von Neumann'ın mimarisinden kaçmadık Bu kötü bir şey ve iyi bir şey - kötü bir şey yeterli yenilik değildir, iyi bir şey hesaplama teorisinin bütünlüğüdür.
Yeniden yapılandırılabilir sinir ağlarını uygulamak için bu mimariyi kullanma konusundaki temel fikrimiz, AI uygulamaları aracılığıyla seçtiğimiz derin sinir ağını tanımlamak ve çip mimarisini ve işlevlerini değiştirmektir. Bunu yapabilirsek, sadece bir uygulamaya başvurmakla kalmayabilir, uygulama ile değiştirmeye devam edebilir ve N uygulamaya başvurabiliriz.
Böyle bir çip, sözde genel bir yapay zeka çipidir.
Bu temel aritmetik birimin birçok farklı yeteneği vardır ve biz onu evrişim, havuzlama ve diğer içerikleri yapabiliriz. Bu şekilde veri kanallarını da tamamen paralel olarak hayata geçirebiliriz. Bunun sonucu, donanım için uygun olmayan birçok şeyi yapabilmemizdir ve donanım zahmetlidir ve sözde bir Derleyici (geleneksel bir Derleyici değil) tarafından uygulanabilir, bu da verimliliği büyük ölçüde artırır.
İşte bir sonuç, geçen sene kazandığımız içerik. Bu sonuç, 10M'den 200M'ye 4mW-450mW frekansa ve 1.06-5.09TOPS / w hesaplama hızına sahip genel amaçlı bir yapay zeka işlemcisidir. Diğeri, uluslararası konferansımızda bildirilen 100 mW'den daha az yüz tanıma ve her tanıma için insan yüzü tanıma oranından% 1 daha yüksek olan sadece 6 mWh gerektirir.
Bir diğeri, ses tanıma ve ses izi tanıma dahil olmak üzere ses sinyali tanımadır ve güç tüketimi sadece 200 mikrowatt'tan fazladır. "MIT Technology Review", bu yılın başında özel bir makalede, bunun Çin tarafından yapılan taç düzeyinde bir başarı olduğunu düşünerek, çalışmamızı yorumladı.Bir pil bir yıldan fazla dayanabilir ve dünyanın en az güç tüketen sesi olarak kabul edilir. Tanımlama yazılımı.
12 yıldır çalışıyoruz ve bu, elde ettiğimiz bir dizi başarı, belge ve patenttir.
Son olarak bitirelim.
Herkesin AI yaptığını söylüyoruz. Peki AI tam olarak nedir? Nasıl AI yapmalıyız? AI nerede gereklidir? Yapay zekanın çözmemize yardım edeceğini umuyoruz? AI olmadan yapabiliyorsanız, neden AI'ya ihtiyacınız var? Aslında bu sorulara iyi cevap vermedik. Artık pek çok uygulama yapay zekaya ihtiyaç duymuyor ve hatta bazı insanlar yapay zekayı bir kılık olarak kullanıyor.
Onsuz yaşayamayacağımız AI katil uygulaması nedir? Ses tanıma ve yüz tanıma için AI gerekir mi? Mutlaka değil, özellikle ses tanıma genellikle AI gerektirmez. Elbette ses tanıma bazı durumlarda kullanışlıdır. Her gün ne tür bir yapay zekaya ihtiyacımız var? Bu bizim anahtarımız.
İlk iki yılda birçok kişi Amerika Birleşik Devletleri'ni geçtiklerini düşündü. "Önümüzdeki yıl Intel üzerinden" ve "3 yılda Microsoft üzerinden" gibi çok sayıda ses geldi. Ben onlara "çiş yapan bedenleri korkut" diyorum ve Amerikalıları işemeye korkutuyorlar. Son zamanlarda herkes çipimizin son iki yıldan farklı olarak büyük zorluklarla karşılaştığını ve bu nedenle "korkmuş idrar gövdesi" nin "korkmuş idrar" haline geldiğini söyledi. Çip geliştirmemizin kendi adımları var: Biz gerçekten Amerika Birleşik Devletleri'nden daha aşağıdayız, ancak Birleşik Devletler'deki bazı insanların söylediği kadar kötü değiliz. Elbette bazılarının söylediği kadar iyi değiliz ve geliştirme sürecinde kendimizi küçümsememeliyiz.
Size bir şey söyleyeyim: Yazılım tanımlı yongalar alanında, şimdi Amerika Birleşik Devletleri'nin önemli ölçüde önündeyiz. Ekibim, yazılım tanımlı çip teknolojisinin Amerikan ERI teknolojisinden 10 yıl önce olduğunu ve 300-1000 nanosaniye süresinin şu anda ulaştığımız hedefin yalnızca onda biri olduğunu ve performansımızın bundan çok daha iyi olduğunu öne sürdü. Yurtdışında uluslararası konferanslara gittiğimde birçok kişi dünyanın en iyisi olduğumuzu ve yazılım tanımı açısından dünyanın ön saflarında yer aldığımızı söylüyor.
Özetle, AI teknolojisi ilerlemeye devam ediyor ve şu anda hala büyük bir boşluk var; aynı anda birden fazla yargı ve karar veren insanlar gibi algoritmalar henüz ortaya çıkmadı. Artık AI değil, IA'yız; çip bizim aşılmaz engelimizdir ve çip aracılığıyla gerçekleştirilmelidir ve çipin gelişimi hiçbir şekilde bugün hayal ettiğimiz gibi değildir.Bir çip yapmak bir AI çipidir.
Çipin zeka yeteneğine sahip olmasını sağlamak için, gerçekten dikkate almamız gereken şey bu, AI ve AI için değil. Yapay zeka çiplerini kullanımda daha "daha akıllı" hale getirmek istiyorsunuz ve mimari yenilik kaçınılmaz bir konudur. Hala FPGA kullanıyorsanız, çok fazla umudunuz yoksa, dünyaya hükmetme imkanı yok. Umarım yonga geliştirme sürecinde mimari yeniliğe özel önem verirsiniz, sadece mimari yenilik sizi bu alanın zirvesine getirebilir.
hepinize teşekkür ederim!
