江苏龙网

  1. 首页 > 人文 > >

文汇网|向光电要算力，向认知科学要算法，2066年AI或取代人类任务( 二 )


向光电计算要算力 ， 目前国际上已作出三个贡献 ， 能使计算中心小型化
如何从光电计算要算力？普林斯顿大学的教授做过一个理论分析 ， 进行神经网络计算的构架 ， 从理论上推算 ， 它能提升三个数量级的算力 ， 同时功耗也能降低6个数量级 。 功耗现在也是提升算力要考虑的一个重要问题 。 光电计算能够给这方面带来巨大的福利 ， 使得算力提升三个数量级 ， 功耗还能下降6个数量级 。 目前这方面的研究工作已经起步 。
光电计算并不是一个新东西 ， 它和人工智能一样 ， 也是20世纪50年代诞生的 。 只是计算的计算机半导体、硅基的芯片就已经满足需求 ， 所以研究者就渐渐减少了在这方面的研究 。 尤其是在1990年贝尔实验室用砷化钾做了一个光学开关来控制计算机的原型 ， 由于当时对算力的需求较小 ， 所以芯片就可以解决 。 而现在随着人工智能对芯片的极致要求 ， 从2017—2019年 ， 很多机构都对光电计算的研究作出了重要贡献 ， 比如三维受控的衍射的传播时间 ， 以及全并行的光速计算 。 通过研究能够很快识别一个文字 ， 因为光是不需要电的 ， 所以这种光计算不需要耗电就可以做到以可控高维的光场传播 ， 从而实现高速高效并行的计算 。 因此构建光电计算的架构 ， 成为现在解决算力的一个重要研究方向 。
文汇网|向光电要算力，向认知科学要算法，2066年AI或取代人类任务1990年1月29日 ， 美国贝尔实验室宣布研制出世界第一台光计算机
光学作为新的计算途径 ， 它带来的最重要的变革 ， 一是范式变革；二是算力提升；三是功耗下降 。 正因其诸多优点使得国内外很多研究机构都开展了相关研究 。 目前国际上作出的贡献有三个 ， 麻省理工做的干涉神经网络架构非常不错；明斯特大学和剑桥是留相片材料 ， 做脉冲的架构；清华大学是用衍射神经网络做架构 。 三种不同的方案都各有优势 ， 也各有不足 。 光电计算的算力能提供3个数量级 ， 使无人系统更快、更小、更智能 。 希望大家关注这个方向 。
光电智能芯片最重要的特点是什么？是它们对庞大的计算中心小型化 。 我们现在的计算中心都要消耗很大的电能 ， 如果使用光电计算就能节省许多电能 。 第二 ， 纳秒级目标感知与识别 。 纳秒级的感知目标与识别非常快 ， 现在使用相机拍摄 ， 要转成电 ， 然后再计算 。 试想如若它是直接光进到相机就计算了 ， 那么速度就变得非常快 。 因此光电智能芯片对新基建里的工业互联网、计算机视觉、大数据分析和光通讯都有重要的支撑作用 。 这是对算力的一个探讨、一个思路 。
新算法：从脑科学到人工智能的认知科学是一条未来研究道路
第二是算法 。 现有人工智能仅实现了简单的初级视觉感知功能 。 在初级视觉感知信息处理与高级认知智能过程中 ， 性能远不如人脑 ， 人脑具有物理学习和数据的抽象能力 。 有些学者认为深度学习存在极大的危机 ， BP算法有很大局限性 ， 需要推倒重来 ， 需要再次从大脑的认知机理模型中寻找灵感 。
新一代认知智能作为现在算法上国际上最重要的结合点 。 众所周知 ， 1969年BP算法的雏形是从控制里面来的 ， 是从最优控制理论中产生、采集的 。 直到1989年卷积神经网络诞生 。 认知和神经科学家首次将BP算法引入到多重神经网络 ， 构建了认知计算模型 。 再到2015年的计算模型 。 由此可以看出BP算法是深度学习使用最为广泛的 ， 但是它仍存在很多问题 。
从1958年开始研究的卷积神经网络来看 ， 1981年的诺贝尔奖得主发现人的视觉是分层的 ， 有高层的视觉分层 ， 也发现视觉系统卷积的特性 。 于是1980年日本学者提到简单复杂的细胞概念 ， 提出了新的认知机理 。 DavidMarr认为 ， 人对视觉信息的表征和处理的计算研究得出了一个重要的结论 ， 视觉和感知效应的关系 。 2007年TomasoPoggio提出了H-MAX模型 。 2012年Alex的贡献开启了人工智能的黄金时代 ， 得到了广泛的应用 。 通过算法的历史分析 ， 就能预测未来 。


推荐阅读


上一篇：穿搭|金小妹穿鳄鱼纹连体裤狂野霸气，长卷发配皮衣A到爆，辣妹本人

下一篇：通天战队|Mac海岸黄昏意境高清动态壁纸