Yapay zeka teknolojisi trendleri ve yetenek profilleri burada! Tsinghua, "indirilerek" en anlaşılır AI çip araştırma raporunu yayınladı
Bu makale "Akıllı Şeyler" (ID: zhidxcom) 'dan yeniden üretilmiştir, teşekkürler!
2010'dan bu yana, büyük veri endüstrisinin gelişmesi nedeniyle, veri miktarı patlayıcı bir büyüme eğilimi gösterdi ve geleneksel bilgi işlem mimarisi, derin öğrenmenin büyük ölçekli paralel hesaplama ihtiyaçlarını destekleyemiyor.Bu nedenle, araştırma topluluğu AI çipleri üzerinde yeni bir teknolojik araştırma ve geliştirme turu gerçekleştirdi. Uygulamalı araştırma. Yapay zeka çipi, platformun altyapısını ve geliştirme ekolojisini belirleyen yapay zeka döneminin teknolojik çekirdeklerinden biridir.
Bu akıllı dahili referans sayısında, yapay zeka çiplerini kapsamlı bir şekilde açıklayan ve yapay zeka çiplerinin gelişim durumunu ve eğilimlerini sistematik olarak sıralayan Tsinghua Üniversitesi'nin "Yapay Zeka Çip Araştırma Raporu" raporunu öneriyoruz.
Aşağıdakiler, akıllı dahili referans tarafından sunulan kuru ürünlerdir:
AI çiplerinin temel bilgisi ve mevcut durumu
Genel olarak, yapay zeka algoritmalarını çalıştırabilen herhangi bir yongaya AI yongası denir. Bununla birlikte, AI çipleri normal anlamda yapay zeka algoritmalarını hızlandırmak için özel olarak tasarlanmış çiplere atıfta bulunur.Bu aşamada, bu yapay zeka algoritmaları genellikle derin öğrenme algoritmalarına dayanır ve diğer makine öğrenme algoritmalarını da içerebilir. Yapay zeka ile derin öğrenme arasındaki ilişki şekilde gösterilmektedir.
Yapay zeka ve derin öğrenme
Derin öğrenme algoritmaları genellikle, özünde biyolojik beynin çalışma mekanizmasını tamamen taklit edemeyen sürekli değerleri öğrenme, işleme ve çıktı verme süreci aracılığıyla alınan sürekli değerlere dayanır. Bu gerçeğe dayanarak, araştırma topluluğu ayrıca SNN (Spiking Neural Network) modelini önerdi. Üçüncü nesil sinir ağı modeli olarak SNN, biyolojik sinir ağlarına daha yakındır - biyolojik nöronlara ve sinapslara daha yakın nöron ve sinaps modellerine ek olarak, SNN ayrıca hesaplama modeline zaman alanı bilgisini de ekler. Şu anda, SNN tabanlı AI çipleri esas olarak IBM'in TrueNorth, Intel'in Loihi ve yerel Tsinghua Üniversitesi Tianji çekirdeği tarafından temsil edilmektedir.
1. AI çiplerinin geliştirme geçmişi
Turingin "Bilgisayar Makineleri ve Zekası" tezinden ve Turing Testinden, en temel nöron simülasyon birimi olan algılayıcıya, yüzlerce katmanlı derin sinir ağına kadar insanlar yapay zekayı hiçbir zaman keşfetmedi. Asla durmadı. 1980'lerde, çok katmanlı sinir ağlarının ve geri yayılım algoritmalarının ortaya çıkışı, yapay zeka endüstrisinde yeni kıvılcımlar yarattı. Geri yayılımın ana yeniliği, bilgi çıktısı ile hedef çıktı arasındaki hatanın çok katmanlı ağ aracılığıyla yinelemeli olarak önceki aşamaya geri beslenebilmesi ve nihai çıktının belirli bir hedef aralığına yakınlaşabilmesidir. 1989'da Bell Labs, çok katmanlı bir sinir ağında el yazısı posta kodu tanıyıcı geliştirmek için geri yayılma algoritmasını başarıyla kullandı. 1998'de Yann LeCun ve Yoshua Bengio, evrişimli sinir ağları çağını yaratan el yazısı tanıma sinir ağları ve geri yayılım optimizasyonu ile ilgili "Gradient tabanlı öğrenme, belge tanımaya uygulanan" bir makale yayınladı.
O zamandan beri, yapay zeka uzun bir sessiz gelişim dönemine girdi. 1997'de IBM'in Deep Blue'su satranç ustasını yenene ve 2011'de Jeopardy programında IBM'in Watson Intelligent System'ı kazanana kadar yapay zeka bir kez daha dikkat çekti. 2016 yılında, Alpha Go'nun Kore'de 9 dan profesyonel Go oyuncusunu yenmesi, yapay zekanın bir başka doruk noktasına işaret etti. Temel algoritmalardan, temel donanımdan, araç çerçevelerinden gerçek uygulama senaryolarına kadar, bu aşamadaki yapay zeka alanı tamamen gelişti.
Yapay zekanın çekirdeği olarak, temel donanım AI yongası da birçok iniş ve çıkış yaşadı.Genel olarak, AI yongası geliştirilmeden önce ve sonra dört büyük değişiklik geçirdi.Geliştirme süreci şekilde gösterilmektedir.
AI çip geliştirme geçmişi
(1) 2007'den önce, AI çip endüstrisi olgun bir endüstri haline gelmemiştir; aynı zamanda, o zamanki algoritmalar ve veri hacmi gibi faktörler nedeniyle, bu aşamada AI çipleri için güçlü bir pazar talebi yoktur ve genel amaçlı CPU çipleri uygulama ihtiyaçlarını karşılayabilir.
(2) Yüksek tanımlı video, VR, AR oyunları ve diğer endüstrilerin gelişmesiyle birlikte GPU ürünleri hızlı atılımlar yapmış; aynı zamanda GPU'ların paralel hesaplama özelliklerinin yapay zeka algoritmaları ve büyük veri paralel hesaplama ihtiyaçlarına uygun olduğu görülmüştür. Derin öğrenme algoritmasının CPU'su, derin öğrenme algoritmasının hesaplanmasında onlarca kez verimliliği artırabilir, bu nedenle yapay zeka hesaplamaları için GPU'yu kullanmaya başladı.
(3) Bulut bilişim, 2010'dan bu yana yaygın bir şekilde desteklenmektedir. Yapay zeka araştırmacıları, hibrit işlemleri gerçekleştirmek için çok sayıda CPU ve GPU kullanmak için bulut bilişimi kullanabilir, bu da AI yongalarının derinlemesine uygulanmasını daha da teşvik eder ve böylece çeşitli AI yongalarının geliştirilmesini ve geliştirilmesini doğurur. uygulama.
(4) Bilgi işlem yetenekleri için yapay zekanın gereksinimleri hızla artmaya devam ediyor. 2015 yılına girdikten sonra GPU'ların düşük performans-güç oranı, iş uygulamalarında birçok kısıtlamaya neden oldu.Sektör yapay zeka için özel çipler geliştirmeye başladı. Daha iyi donanım ve yonga mimarisi bakış açısıyla, bilgi işlem verimliliği ve enerji tüketimi oranı gibi performans daha da geliştirilecektir.
2. Çin'de yapay zeka çiplerinin geliştirilmesi
Şu anda, Çin'in yapay zeka çip endüstrisinin gelişimi henüz emekleme aşamasında. Çin uzun zamandır CPU, GPU ve DSP işlemcilerinin tasarımına yetişiyor.Çoğu çip tasarım şirketi, yongaları tasarlamak için yabancı IP çekirdeklerine güveniyor ve bağımsız yenilikleri büyük ölçüde kısıtlandı. Bununla birlikte, yapay zekanın yükselişi şüphesiz Çin'in işlemci alanında viraj geçme fırsatı yakalaması için mükemmel bir fırsat sunuyor. Yapay zeka uygulaması halen endüstri odaklı uygulama aşamasındadır ve ekoloji henüz bir tekel oluşturmamıştır.Yeni yapay zeka alanında yerli işlemci üreticileri ve yabancı rakipler aynı başlangıç çizgisindedir.Bu nedenle, gelişen teknolojiler ve uygulama pazarlarına dayalı olarak, Çin'in bir yapay zeka ekosistemi kurmak için yapması gereken çok şey var.
Çin'in özel ortamı ve pazarı nedeniyle, yerli AI çiplerinin gelişimi şu anda çiçek açan ve rekabet eden bir eğilim gösteriyor.AI çipleri ayrıca hisse senedi ticareti, finans, emtia önerisi, güvenlik, erken eğitim robotları ve insansız sürüş gibi birçok alanda da kullanılıyor. Horizon, Shenjian Technology ve Cambrian of Zhongke gibi çok sayıda yapay zeka çip başlangıç şirketi var.
Buna rağmen, yerli şirketler büyük yabancı şirketlerle aynı pazar ölçeğini oluşturmamış, kendi işlerinde parçalı bir gelişme durumu geliştirmişlerdir. Ortaya çıkan girişimlere ek olarak, Pekin Üniversitesi, Tsinghua Üniversitesi ve Çin Bilimler Akademisi gibi yerel araştırma kurumları, AI çipleri alanında derinlemesine araştırmalara sahiptir; Baidu ve Bitmain gibi diğer şirketler de 2017'de bazı sonuçlar yayınladı. Gelecekte yapay zeka alanında ekosisteme hakim olanın bu sektörün inisiyatifine hakim olacağı öngörülebilir.
3. AI alimlerine genel bakış
Tsinghua Üniversitesi AMiner yetenek havuzundan elde edilen verilere göre küresel yapay zeka çip alanındaki akademisyenlerin dağılımı şekilde gösterilmektedir.Yapay zeka çipi alanındaki akademisyenlerin ağırlıklı olarak Kuzey Amerika'da ve ardından Avrupa'da dağıldığı şekilden görülebilmektedir. Çin'in yapay zeka çipleri konusundaki araştırmaları yakından takip edildi ve Güney Amerika, Afrika ve Okyanusya görece yetenek kıttı.
Yapay zeka çipleri alanında araştırma görevlilerinin küresel dağılımı
Ulusal istatistiklere göre Amerika Birleşik Devletleri, yapay zeka çipleri alanındaki teknolojik gelişimin çekirdeğini oluşturuyor. Birleşik Krallık'taki insan sayısı Amerika Birleşik Devletleri'nin gerisindedir. Diğer uzmanlar çoğunlukla Çin, Almanya, Kanada, İtalya ve Japonya'da dağıtılmaktadır.
Yapay zeka çipleri alanında araştırma görevlilerinin küresel dağılımı
Küresel yapay zeka çip alanında en etkili 1000 kişinin göç yolunun istatistiksel bir analizi yapılmakta ve çeşitli ülkelerdeki yetenek açığı ve fazlasının karşılaştırılması aşağıdaki şekilde gösterilmektedir.
Ulusal yetenek açığı
Görülebileceği gibi, çeşitli ülkelerde yetenek kaybı ve tanıtımı görece dengelidir.Bunlar arasında, Amerika Birleşik Devletleri büyük bir yetenek akışı ülkesidir ve yetenek girdisi ve çıktısı büyük ölçüde öndedir. Birleşik Krallık, Çin, Almanya ve İsviçre gibi ülkeler Amerika Birleşik Devletleri'nden sonra ikinci sırada, ancak ülkeler arasındaki yetenek akışındaki fark açık değil.
