請看《國際電子商情》記者第一時(shí)間為您帶來魏教授的現(xiàn)場演講實(shí)錄：
人工智能是一個(gè)老的新話題。之所以現(xiàn)在人工智能的話題又火起來，是因?yàn)閮蓚€(gè)事情，谷歌研發(fā)的阿爾法Go和世界兩位頂尖棋手的對弈。第一件事是與韓國棋手李世的對弈，李世石成為唯一戰(zhàn)勝阿爾法Go的棋手。半年后，世界排名第一的柯潔說李世石不行，我來下。結(jié)果是0:3，柯潔痛哭流涕。所以這兩件事對人工智能的推動(dòng)非常重要。
我們很多人認(rèn)為阿爾法狗代表人工智能取代人腦的重要證據(jù)。這個(gè)事情沒有這么悲觀，最開始阿爾法狗是希望在沒有人類干預(yù)的情況下戰(zhàn)勝人類棋手。但其實(shí)在兩場棋局中還是有人干預(yù)。還有一件事是，IBM的人工智能計(jì)算機(jī)做了一場知識競賽。上個(gè)月我去了一趟IBM看了一下這個(gè)計(jì)算機(jī)，它的智力遠(yuǎn)遠(yuǎn)高于阿爾法狗。
一個(gè)是人工智能的初創(chuàng)企業(yè)在大大增加，第二個(gè)是人工智能企業(yè)的融資額達(dá)到了50億美元。我們集成電路除了并購之外，要想在初創(chuàng)企業(yè)融資增速非常快。所以可以看到風(fēng)險(xiǎn)投資很活躍，說明這個(gè)行業(yè)是在上升期。
人工智能最重要的是預(yù)測未來
盡管如此，人工智能是老的新話題。因?yàn)樯蟼€(gè)世紀(jì)50年代人工智能就開始提出了。主要是為了讓機(jī)器展示智能模仿認(rèn)知功能，如感知、推理、學(xué)習(xí)、及問題解決。1980年出現(xiàn)了機(jī)器學(xué)習(xí)，這是實(shí)現(xiàn)人工智能的主要途徑，主要是學(xué)習(xí)并開展數(shù)據(jù)驅(qū)動(dòng)的經(jīng)驗(yàn)預(yù)測。2010年出現(xiàn)了深度學(xué)習(xí)，這是機(jī)器學(xué)習(xí)的一個(gè)分支，他是要模仿人腦通過人工神經(jīng)網(wǎng)絡(luò)獲得高階學(xué)習(xí)機(jī)會(huì)。
傳統(tǒng)的數(shù)據(jù)挖掘主要是描述發(fā)生了什么，比如問一個(gè)問題，哪個(gè)產(chǎn)品在過去一年最賺錢，這個(gè)是最容易統(tǒng)計(jì)的。還有一個(gè)機(jī)器學(xué)習(xí)是預(yù)測，通過外推數(shù)據(jù)以預(yù)測行為和事件，是通過概率來分析。比如某個(gè)客戶在未來一年中最可能買哪個(gè)產(chǎn)品？而到了最后的一個(gè)環(huán)節(jié)就是決策，主要是領(lǐng)先的數(shù)據(jù)被互聯(lián)網(wǎng)公司應(yīng)用。比如為了最大化下一年的銷售，產(chǎn)品的最佳售價(jià)是多少？
通過這三個(gè)清晰的問題可以看到三者之間的差距。所以人工智能最重要的是要預(yù)測未來，所以我們在對人工智能的理解要有正確的認(rèn)識。
人工智能的基礎(chǔ)和根本是芯片
目前非常多的初創(chuàng)企業(yè)進(jìn)入人工智能領(lǐng)域，機(jī)器學(xué)習(xí)的創(chuàng)業(yè)空間正在擁擠起來。
工欲善其事必先利其器，人工智能的根本是智能芯片。離開芯片你沒辦法找到第二種人工智能的實(shí)現(xiàn)方法，未來的至少10年內(nèi)你找不到可替代芯片的方法。如果你能找到，那我恭喜你。
從計(jì)算能力看，目前主要的人工智能芯片是GPU。GPU的計(jì)算能力比CPU大概提高了5倍，存儲(chǔ)能力是2倍到4倍。目前Intel占了71%的市場，Nvidia占了16%。Nvidia在分立式GPU上占據(jù)主要優(yōu)勢。而人工智能主要應(yīng)用于分立式GPU。但是目前任何一種方案無法用于本地移動(dòng)終端，因?yàn)楣奶蟆?img src="http://assets-stash.oss-cn-shanghai.aliyuncs.com/f9a52e6d-3f54-445a-a481-f52890779831.png" alt="20170714-ICai-7" style="box-sizing: border-box; border: 1px solid rgb(233, 233, 233); vertical-align: middle; display: block; margin: 1.97em auto 0.97em; max-width: 93.75%;" />還有一種芯片方案是通過FPGA，與純CPU/SW相比性能提高5~10倍，功耗下降到了GPU環(huán)境的20%。
另一種是Google提出的TPU概念，與GPU相比，用較低的精度提高性能，功耗下降到GPU環(huán)境的10%。
還有一個(gè)是NeuRAM，我個(gè)人認(rèn)為這個(gè)學(xué)習(xí)方式很可能是未來的發(fā)展方向。還有一個(gè)是Micron，用的是MISD的并行架構(gòu)，DRAM的工藝，這個(gè)開始有點(diǎn)意思。
類人腦芯片才是最終方向？
我更愿意介紹是IBM的TrueNorth。這樣一顆芯片，我在IBM訪問的時(shí)候有很大的震撼。這個(gè)完全仿照大腦的做法，能力相當(dāng)高，功耗只有65毫瓦，它的學(xué)習(xí)能力極強(qiáng)。
下一步IBM的最終目標(biāo)是希望建立一個(gè)完全仿照大腦的類鬧計(jì)算機(jī)。如果這能實(shí)現(xiàn)，成本不高，這有可能真正實(shí)現(xiàn)所謂人形機(jī)器人。今后對我們進(jìn)入老齡化的時(shí)代影響是非常大的。這個(gè)方面會(huì)實(shí)現(xiàn)最大的計(jì)算量。
談到智能芯片，什么是智能芯片呢？是不是IBM的這個(gè)就是智能芯片？首先我們要看如何來理解智能或者智慧？智慧是人特有的一項(xiàng)東西，它包括思考和解決問題的能力。
人類的智能整個(gè)環(huán)節(jié)包括感知、傳輸、存儲(chǔ)、處理、決策、傳輸、執(zhí)行。決策這個(gè)環(huán)節(jié)又分為分休、計(jì)算、判斷、經(jīng)驗(yàn)知識。前后兩端從感知、傳輸?shù)胶蠖说膫鬏敗?zhí)行都不是智慧。而中間的才算是智慧。
首先我們看人類大腦，140億個(gè)神經(jīng)元。IBM要做的類腦芯片大概100多億個(gè)神經(jīng)元，我們看到兩者之間有很接近的地方。工作頻率兩百赫茲，也不高。最奇怪的是，我們吃點(diǎn)什么米飯、豆腐、白菜，20瓦的功耗也可以完成這些功能。我們的大腦皮層面積是0.25平方米，這是自然進(jìn)化而來的。
我們得過世界第一的天河計(jì)算機(jī)，用了27億個(gè)芯片，比人腦還要小一點(diǎn)。傳輸速度是每秒中30萬公里，它的頻率是4.2GHz，由于可以把很多運(yùn)算堆在一起，可以做很多的運(yùn)算，但是功耗、占地面積都非常驚人。所以這兩個(gè)對比，人腦和機(jī)器之間，要真正用機(jī)器實(shí)現(xiàn)人腦功能恐怕不容易。
我們猜想人腦怎么工作的呢？出現(xiàn)一個(gè)事件怎么辦？首先要想象特征，我們怎么認(rèn)出一個(gè)人？他的特征牢牢的出現(xiàn)在我的腦海中。我出現(xiàn)了記憶，做出決策，然后做出行動(dòng)。這個(gè)過程是一個(gè)循環(huán)往復(fù)的過程。
當(dāng)然，有可能我們見到的是一個(gè)陌生人，我記憶中不存在，我現(xiàn)需要做一個(gè)決策。然后把行動(dòng)驗(yàn)證我的記憶是否是對的。所以在不斷的往復(fù)過程中，我們在不斷的學(xué)習(xí)加深印象。這個(gè)過程中也許我見一個(gè)人，幾分鐘就有印象。所以學(xué)習(xí)中會(huì)有長久的迭代過程。所以計(jì)算是非常重要的。
什么芯片才算人工智能芯片？
人工智能芯片的幾個(gè)要素：
首先一定要可編程，這樣才能適應(yīng)算法的演進(jìn)和應(yīng)用的多樣性。
架構(gòu)的動(dòng)態(tài)可變性，沒有一個(gè)芯片可以百分之百石英所有的算法。
要有架構(gòu)的變化能力，最好小于10個(gè)時(shí)鐘周期，最好小于1個(gè)時(shí)鐘周期。
高計(jì)算效率，指令這樣的低效率架構(gòu)就不要做了。
最重要的是，高能量的效率，我覺得理想情況下，每瓦功耗低于5萬億次。如果做不到這一點(diǎn)，真正做起來就會(huì)很難受。
有些應(yīng)用功耗要小于1mw，有些東西要求速度足夠快，比如視頻識別，一些監(jiān)控識別要做到每秒鐘大于25幀。
最后是低成本，你要做消費(fèi)類產(chǎn)品價(jià)格不能搞。
體積小，也是為了能在移動(dòng)設(shè)備上。
應(yīng)用開發(fā)要簡便，不要讓做應(yīng)用開發(fā)的工程師學(xué)習(xí)芯片設(shè)計(jì)知識。
我們首先不知道人腦是怎么完成計(jì)算的，我們現(xiàn)在是用軟件+芯片構(gòu)成的類腦軟件。包括智能軟件和智能芯片。以前我們做芯片跟軟件關(guān)系不大，但現(xiàn)在的一個(gè)方向是通過軟件來定義芯片。
大家說了，F(xiàn)PGA不行嗎？我們把FPGA的10大缺陷，1,細(xì)粒度，必須實(shí)現(xiàn)比特級的運(yùn)算，第二配置信息量大，配置時(shí)間需要十幾毫秒到即使毫秒。另外是靜態(tài)編程以及邏輯不可復(fù)用。面積效率低。能量效率也很低，大量邏輯利用率低，需要特種工藝。FPGA需要最先進(jìn)的制造工藝。另外應(yīng)用者必須具備電路設(shè)計(jì)經(jīng)驗(yàn)。最后是成本高昂，所以FPGA價(jià)格在及時(shí)到幾萬美元一片。
所以目前的標(biāo)準(zhǔn)來看，目前CPU+GPU、CPU+FPGA、CPU+ASIC的芯片結(jié)構(gòu)都不是最好的人工智能芯片方法。我們認(rèn)為FPGA的人工智能目前最主要的客戶現(xiàn)階段應(yīng)該是互聯(lián)網(wǎng)企業(yè)，而互聯(lián)網(wǎng)企業(yè)基本上沒有什么量。你要用ASIC還是FPGA你一定要通過電路設(shè)計(jì)這條關(guān)。所以這個(gè)過程中大量的降低了大家的應(yīng)用門檻。
軟件定義芯片成方向，AI芯片要讓手機(jī)能用
那么到底該怎么做？這里是一個(gè)硬件和軟件的拓?fù)浼軜?gòu)，這個(gè)時(shí)候從計(jì)算的效率最好。功耗不見得最好。軟件的規(guī)模可以仁義達(dá)，但硬件規(guī)?？偸怯邢薜?。我們只好將硬件分塊，不斷將軟件一塊塊進(jìn)來運(yùn)行。這就要求解決不同的問題，要求計(jì)算硬件架構(gòu)和功能動(dòng)態(tài)的、實(shí)時(shí)地跟隨軟件的變化而變化。最好能在一個(gè)時(shí)鐘周期，最多不超過10個(gè)時(shí)鐘周期改變。
數(shù)據(jù)會(huì)根據(jù)控制單元的要求來配置計(jì)算單元，這樣的結(jié)構(gòu)是通過C語言來實(shí)現(xiàn)計(jì)算，跟傳統(tǒng)的計(jì)算機(jī)語言是一樣的，但是編譯器有很大的不同。
這是非常經(jīng)典的馮諾依曼的計(jì)算結(jié)構(gòu)。我們把Memory放進(jìn)去，把I/O分開，我們到現(xiàn)在為止沒有改變?nèi)魏务T諾依曼體系的結(jié)構(gòu)。
所以如果把可重構(gòu)計(jì)算與經(jīng)典計(jì)算進(jìn)行比較，經(jīng)典結(jié)構(gòu)是剛性的，而可重構(gòu)計(jì)算是函數(shù)化的柔性的。在性能上偏重于ASIC，靈活性上偏重于處理器。兩者兼而有之。
我們利用這樣的結(jié)構(gòu)實(shí)現(xiàn)了可重構(gòu)的神經(jīng)網(wǎng)絡(luò)計(jì)算。Thinker這是去年在深圳高交會(huì)上發(fā)布的?？赡茉龠^半個(gè)月會(huì)有一些新的消息出現(xiàn)。利用這個(gè)結(jié)構(gòu)，來相應(yīng)不同應(yīng)用的神經(jīng)架構(gòu)網(wǎng)絡(luò)。這樣一個(gè)結(jié)構(gòu)是什么樣的？我們的芯片用了TSMC 65nm的LP工藝，很小的Memory，很低的工作頻率，峰值性能做到409個(gè)GOPS。所以這樣一個(gè)小小的東西實(shí)現(xiàn)的性能如此之高，如果跟其它相比，可以發(fā)現(xiàn)能量效率至少高了5倍。
我們認(rèn)為目前的人工智能芯片還不能進(jìn)入手機(jī)，如果讓芯片進(jìn)入手機(jī)，才真正能獲得新生。如果只給互聯(lián)網(wǎng)企業(yè)用，一定沒有量。所以不解決進(jìn)入手機(jī)、家庭，人工智能芯片沒有希望。所以要解決功耗、成本問題。
國內(nèi)的人工智能芯片和國外到底有多大差距？
最后總結(jié)，芯片是軟件性能載體，一定要滿足軟件不斷變化的計(jì)算需求。有人問我，目前國內(nèi)的人工智能芯片跟國際上有多大差距？ 我的回答是：應(yīng)用上跟國際同行一個(gè)水平線。方法上落后。芯片上差半步。
但這個(gè)差半步并不意味著快成功了，中國有句古話叫“行百里而半九十”。也就是最后這10%要花費(fèi)的精力可能要花費(fèi)一半甚至以上的精力。可能就差這10%，我們就永遠(yuǎn)無法實(shí)現(xiàn)。所以我們應(yīng)用關(guān)注芯片的基礎(chǔ)技術(shù)，我們在芯片的能力上還有差距。如果克服不了這個(gè)差距，不要想超越人家。
