如何加速人工智能的 “芯”变革 站

很有趣的一点，英特尔其中一个创始人之一曾经说过，“我们通过计算机建模的方式来研究人类大脑是如何工作。”，其实我们或许应该用另外一种方法反其道而行之。我们已经发展到了这样一个阶段，就是为了探索计算机新的发展方向，也就是数据的发展方向，我们可以向我们的大脑寻求答案。

用我们的芯片打造一个神经元

这也是Nervana所使用的方向之一，我自己本身是学计算机出身的，我自己也对神经系统非常感兴趣，我希望我们能够从大脑中获取一些概念，能够从大脑中获取一些新的想法，把它应用到我们的计算机工程中去。我们不知道如何去真正打造一个生物上的神经元，但是我们可以用我们的芯片打造一个神经元。我们可以把我们大脑中的模式，一种数学模型的方式提取出来，然后应用到计算机模型当中去。我们可以在其中加入一些生物的元素，然后建立起这样一个模型，当然这个部分是非常复杂的，然后我们把它转化为模型描述语言，转化为原语或者编译器，之后转化为针对工作负载的优化硬件，这就是我们的工作方向。

重视计算力的价值

前面Jason Waxman之前也提到了，到2020年，AI计算量就会增长到12倍，我们对硬件也作出了投资，这是从行业来说更加重要的投资原因，到2020年的时候，我们数据中大部分都是由AI驱动的，我们说到很多数据的价值，现在全世界有海量的数据，全世界每天都会产生巨大的数据，每一个星球上生活的孩子，不管是成人，他们如果用自己的人脑进行计算的话，要用30多年的时候才会产生这样的数据。但是在未来，我们AI的计算量将增加到12倍，我们不再需要人工帮我们进行这样数据的计算，我们都会变成自动的计算。

关于英特尔人工智能咨询委员会

我非常开心的宣布，我们成立了非常了不起的英特尔人工智能咨询委员会，这些都是业界的领袖，可以帮助我们进一步制定AI的战略，并且帮助我们进一步研究神经网络。

Bruno Olshausen来自加州伯克利的，他是第一位咨询员，从我们公司建立的开始就跟他建立了很好的合作关系。

之后是Ron Dror，他来自于斯坦福大学，他致力于研究超级计算机，他所研究的超级计算机模型可以用作药物计算的发展。

还有一位是Jan Rabaey，加州大学伯克利分校的，他也是专注于研究我们整个神经网络架构的，并且和我们整个行业有很好的练习。

Yoshua BenGio是我们深度学习的三大创始人之一，他们也是我们最后20几年间所作出创新的先锋者。帮助我们能够把深度神经元打造得更加有用，在一开始的时候深度神经系统被人们认为并没有那么有用，但是现在让人们相信这是非常有效的技术。

所以我们说AI可以从各种方向来被我们进行应用，现在AI是一个非常热门的话题，但我们有不同的使用AI的方式，有一些是可以把它用到机器学习中去，有一些用到推理系统中，比如我们的Saffron系统。另外我们两边，也就是机器学习和推理系统可以进行互动，另外我们可以有四种不同的实施方法，可以为用户提供满足他需求的方法。不管是深度学习、经典机器的学习，还是基于记忆或者是基于逻辑的学习，我们为用户提供的是最适合他们的最好的解决方案。

关于英特尔Nervana

XEON

在这边我列出了英特尔Nervana一部分产品组合，首先是我们的XEON，这是我们比较通用的解决方案和处理器。另外，我们的软件解决方案也可以在所有这些处理器上进行工作，之后就是至强融核，它非常适合高性能和通用机器学习。

Skylake

另外，我们还有FPGA，来自Nervana的一个技术。我们刚刚也发布了Skylake，是我们最新版本的至强，这一个版本也已经进行了进一步的优化，它可以帮我们将性能提高到的8倍，并且也是针对能效进行的优化。

至强融核

至强融核也是令大家非常兴奋的一个部分，它也和我们深度学习有着非常深的融汇，它的主要目的就是能够处理多重的工作负荷，所以在软件部分我们也发现了有各种各样不同的创新，通过应用至强融核，可以将深度学习性能提高到四倍，与此同时性能也非常卓越。

KNIGHTS MILL

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!