财神彩票 > 技术支持 > 这项1958年的过时技术才是人工智能的未来?潜力

原标题:这项1958年的过时技术才是人工智能的未来?潜力

浏览次数:51 时间:2020-04-15

不过,如今的机缘和形势却让“陈旧”的模拟信号处理有可能夺回市场。“从部件损耗和故障率两个范围上来说,大规模自适应模拟系统比传统系统更有优势,功耗也更低。自适应模拟技术能够使半导体硅晶片的全部潜力得以发挥。”卡弗·米德如此看好模拟信号处理在新时代的发展前景,米德是加州理工学院的教授同时也是微电子先驱人物。

亨利表示,内部测试显示,Mythic的芯片有望在便携式设备上运行强大的神经网络,比常规智能手机芯片所能运行的更胜一筹。“这有助于将深度学习技术应用到大量设备中,如机器人、汽车、无人机和手机等。”他表示。

AI和模拟信号处理是天作之合

时至今日,计算机在记录感知时,已经不再像感知机那样,借助自旋旋钮等模拟组件。现在的计算机使用1和0组成的二进制数,以数字化的方式,对数据加以存储和处理。但在距计算机历史博物馆约18公里处的雷德伍德市,一家名为Mythic的初创企业正在重新研究模拟计算,希望用于人工智能领域。其CEO兼联合创始人迈克·亨利表示,要让手机、摄像头和助听器等便携式设备享受人工智能的全部裨益,此举将必不可少。

同数字计算相比,模拟信号处理的缺点是其太过刚性。当需要处理复杂多变的情况时,其复杂程度会呈几何级上升。而数字计算得益于“每18个月性能翻倍”的摩尔定律,其处理能力的无限潜力迅速吸引了人们的目光。在当今的消费产品中,模拟信号处理仅用于信息采集和仿生信息输出等环节。除此之外的领域几乎全成了数字计算的天下。

图片 1

在第二次世界大战期间,模拟电路在史上第一个“自动防空火力控制系统”的启用过程中发挥了关键作用。并且在随后的几十年里,模拟计算机成为计算火箭和航天器飞行轨迹的重要工具。

模拟试验中,Mythic芯片能在更远距离之外,辨识出更多物体,因为它不需要将视频压缩之后再行处理

图片 2

Mythic用模拟芯片运行人工神经网络,或称深度学习软件。这种技术需要大量的数学与记忆操作,对计算机的要求很高——对于芯片数量和电池续航能力均有限的小型设备而言,就更难办了。正是出于这个原因,最强大的AI系统才建立在能力强劲的云服务器之上。但云服务也有局限性:有些领域虽然可以用到AI,但受到隐私、时间或供电的约束,对它们来说,将数据交给某台远程计算机并不可行。

这一技术因其准确、简单和快速等特点而被人们钟爱。无论火箭发射、邮轮远航还是普通市民的影视娱乐,它的身影无处不在。只是从20世纪60年代末开始,数字化浪潮兴起,模拟信号处理才慢慢从人们视野中退去。

Mythic希望,这种将模拟计算“起死回生”的策略能让它在竞争激烈的市场上占得一席之地。目前,多家企业都在研发针对神经网络的定制芯片。苹果和谷歌在各自最新款的智能手机中,都加入了定制芯片,用于支持神经网络。

网易科技讯10月20日消息据国外媒报道,每一次人类面临新的科技洗礼时,这些新技术经常被等同于“更高级”、“更现代”。而“模拟信号处理”作为一个老名词似乎已不太能够给人带来惊喜。

Mythic的项目称得上是一种“穿越”。“我上大学那会儿,模拟计算机就已经销声匿迹了。”加州大学伯克利分校教授埃利·雅布罗诺维奇说,他拿到第一个学位是在1967年。“它复活了一种被彻底淘汰的东西。”很多年前,模拟电路就已退居到某些小众应用领域中,比如无线电信号处理。

从“机器人”这个词诞生伊始,人们对其的期待是一个具有高度智能的“人行”机器。在人工智能发展了这么多年之后,“机器人”的概念不断丰富,既有 Siri 这样只闻其声不见其形的语音助手,也有各种五花八门的功能性智能机器。

就某些任务而言,模拟电路的耗能低于同等数字设备,因为它需要的电路相对更少。Mythic的芯片还可以独立运行神经网络涉及的一切工作,无需动用设备内存,从而也就不会干涉其他功能。但模拟电路也有缺陷,尤其是它不善于控制“噪音”,这会影响到数字的精确性。不过在运行神经网络时,这一点倒影响不大,因为处理图像或声音等“噪声数据”正是神经网络的拿手好戏。“模拟数学很适合神经网络,但用来算账还是免了吧。”亨利说。

在习惯了数字计算的巧妙与精准之后,当代工程师通常将模拟信号处理视为落后老朽之物。但事实证明,当下大热的AI和深度学习算法可能更适合神经形态芯片和模拟信号处理。

来源:Wired

这种对模拟信号处理的偏见大可不必。实际上,模拟信号处理不仅在当今社会的许多行业中发挥着至关重要的作用,在不远的将来,其更将在人工智能时代和机器人身上大显神通。

数字计算机靠着发条式的算术序列,对二进制数字进行处理。而模拟计算机的运作更类似于管道系统,只不过,其中流动的是电,而不是水。电子流经放大器和电阻器等组件构成的迷宫,这些元器件通过改变电流大小,或是串并联,达到数学运算的目的。测量管道输出口的电流,便可获得最终答案。

图片 3

亨利喜欢演示其芯片的过人之处。在模拟演示中,一边是他的芯片,一边是市面上号称适配AI的智能手机芯片,两者同时运行软件,从车顶摄像头拍摄的视频中辨认行人。到目前为止,Mythic的芯片太小,不足以运行整套视频处理系统。但在演示中,相对于常规智能手机芯片,它可以从更远距离外辨认行人,因为它不需要将视频压缩之后再行处理。对比结果很明显:搭载模拟系统的自动驾驶汽车更让人放心。

传统的硬编码算法对计算机内在的准确性和精确性要求很高。 如果运行传统硬编码算法的电路不精确,就会产生错误的结果。 神经网络则没有这个问题。其内部状态不必是精确的,系统会自适应地输出符合预期的结果。虽然其内部的无序和嘈杂听上去很可怕,但事实上我们的大脑就是这么一个内部嘈杂的系统,然而它运转的很好,这便是神经网络和模拟计算的神奇之处。 工程师正在师从造物主的设计,研究在硅芯片上人工打造神经计算的方法。其成功的结果是:不仅运算能力大幅提升, 同时能耗也将降低100倍。

相较于Mark 1感知机的马达旋钮,Mythic的模拟“管道”更节省空间。该公司的芯片由闪存芯片改制而成,也就是说,他们巧妙地将数字存储器转变成了模拟计算机。

模拟信号处理的辉煌年代

模拟试验中,适配AI的常规智能手机芯片识别出的物体

(图:模拟信号处理和计算系统将使机器人发展更加多元化)

达格·斯派瑟在等一个特殊的快递,不过,它不是“黑色星期五”的冲动消费。里面是一个马达,拳头大小,铜锈斑斑,来自一台挑战过人脑的、与房间差不多大的古董计算机。恰恰是这样一台马达,或许指明了人工智能未来的发展方向。斯派瑟是...

本文由财神彩票发布于技术支持,转载请注明出处:这项1958年的过时技术才是人工智能的未来?潜力

关键词:

上一篇:高通携手Leap Motion演示移动VR自然交互

下一篇:金立宣布与高通签订3G和4G中国专利许可协议