大 创 实（shí） 验 室
聊聊人工智能芯片人工智能芯片主要包括NVidia GPU、Google的TPU、Intel的（de）Nervana、IBM的（de）TreueNorth、微（wēi）软的DPU和BrainWave、百度（dù）的（de）XPU、Xilinx的（de）xDNN、寒武纪芯片、地平线以及（jí）深（shēn）鉴科技的AI芯（xīn）片（piàn）等，基本上是（shì）GPU、FPGA、神（shén）经网络（luò）芯片三（sān）分天下的趋势，三种芯（xīn）片各有（yǒu）各自的优劣（liè），都在面向自己（jǐ）独特的细分市场（chǎng）。本章先聊一（yī）聊深度神经网（wǎng）络和NVidia GPU的崛起。 人工智能（néng）的（de）终极目标是模拟人脑，人脑大概有1000亿个神经元，1000万（wàn）亿个突（tū）触，能够（gòu）处理复（fù）杂的视觉、听觉、嗅觉、味觉（jiào）、语（yǔ）言能力、理解能力、认知能力（lì）、情感控制、人（rén）体复杂（zá）机构控制、复（fù）杂心理和生理（lǐ）控（kòng）制，而（ér）功耗（hào）只有10~20瓦。 这是人脑基本神经元和突触（chù）： 这是人工（gōng）神经元模拟神经元（yuán）：
输（shū）入模（mó）拟神经（jīng）元输入电信号，权值模拟（nǐ）神经元之（zhī）间的突触连接，激活函数模拟突触之间的电信号传导。 早在1981年（nián）David Hubel和Torsten Wiesel就（jiù）发现了人的（de）视觉系（xì）统的信息处（chù）理是分级的，因此获得了诺（nuò）贝尔医（yī）学奖。如（rú）图所示，从视网膜出发，经过（guò）低（dī）级的（de）V1区（qū）边缘特征（zhēng）提取（qǔ），到V2区识别基本形状或目标的局部（bù），再到高层的目标（biāo）识别（例如识别（bié）人脸（liǎn）），以（yǐ）及到更高层的（de）前额叶皮层进行分类判断（duàn）等，人们意识到高（gāo）层特征是低层（céng）特征的（de）组（zǔ）合，从低层到高层越（yuè）来（lái）越抽象，越来越能（néng）表（biǎo）达语义或者意图。 深（shēn）度（dù）神经网络模（mó）型模（mó）拟人脑识别的分（fèn）层（céng）识（shí）别过程（chéng）：
深度神经网络的输入层模拟视觉（jiào）信号（hào）的输入，不同的隐藏层模拟不同级别的（de）抽象，输出层模（mó）拟输出的对象分类或者语义等。 从上（shàng）图的（de）典型的人脸（liǎn）识别的训练任务来看，按照10层深（shēn）度神经网络、训练上（shàng）百万（wàn）张图片，大概需要30 Exaflops的（de）计算（suàn）能力（lì），如果还是用CPU来做训练，大概需要（yào）训练一年的时间，这显（xiǎn）然是无法（fǎ）忍受的速度，亟待（dài）需要计算能力更强的人工神经（jīng）网络芯片出现。 NVidia GPU的崛起可（kě）能有很（hěn）多（duō）人会问，目前在人工智能领域（yù），NVidia GPU为什么（me）具有（yǒu）无可撼动的霸（bà）主（zhǔ）地（dì）位，为什（shí）么AMD的GPU和NVidia GPU性能相差不多，但是在人工智能领域的（de）受欢迎的程度却有（yǒu）天（tiān）壤之别。 我们知道GPU原本就是显（xiǎn）卡（kǎ），它是（shì）为游戏和渲染而生的，它里面（miàn）核心运行单元是（shì）shader，专门用作像素、顶点（diǎn）、图形等渲染用（yòng）的。 NVidia在2006年的时候跨时代的推出（chū）了统（tǒng）一计算设备（bèi）架构CUDA(Compute Unified Device Architecture)以及对（duì）应（yīng）的G80平台，第一次让GPU具有可编（biān）程性（xìng），让GPU的核心（xīn）流式处理器Streaming Processors(SPs)既具（jù）有（yǒu）处理像（xiàng）素、顶点、图形等（děng）渲染（rǎn）能力，又同时具（jù）备通用的单精度浮点处理能力，NVidia称之（zhī）为GPGPU（General Purpose GPU），黄教主的野（yě）心（xīn）是让GPU既（jì）能做游戏和渲染也做并（bìng）行度（dù）很高的通用计算。
G80有16组流式处（chù）理器Streaming Processors(SPs)，每组（zǔ）SP里有（yǒu）16个（gè）计算核心，一共128个独（dú）立的计算核心，单精度峰值计算能力可（kě）达330 Gflops，而同期主流的Core2 Duo CPU只有50 Gflops的处（chù）理能力，更为重要的是从G80架构开始，GPU开始支持可编程（chéng），所有的计（jì）算密集型的并行任务都有可能（néng）通过程序移植在GPU上运行起来。 CUDA的编程模型CUDA将（jiāng）GPU的计算单（dān）元抽象成3个编程层次（cì）：Grids、Blocks和Threads，一个（gè）CUDA kernel在执行的前会先把（bǎ）数据和指（zhǐ）令传到（dào）GPU上，在执行（háng）的时候会使用若干个Grids，一个Grid里含有多个Blocks，一个Block里含有多个Threads，调（diào）度上一个（gè）Block的Threads会调度（dù）到一（yī）个独立的（de）Streaming Processors上执行，而16/32个Threads称为（wéi）一个Warp，Warp是GPU上（shàng）指令调度（dù）的最小（xiǎo）单元，一个（gè）Warp会同（tóng）时运（yùn）行（háng）在16/32个计算核心上（shàng）。
性（xìng）能增长（zhǎng）远超CPU战略（luè）NVidia从2006年推出Tesla架构以（yǐ）来，不断的（de）更新（xīn）架（jià）构和（hé）性能（néng），陆续（xù）推出了（le）Femi、Maxwell、Pascal还有最新的Volta架构，基本上保持着2年（nián）性能翻1倍的（de）增长态势（shì）。 而（ér）对CPU的（de）性能（néng）加速比（bǐ），在（zài）单精度（dù）计算能力（lì）上保（bǎo）持着遥（yáo）遥领先的态势（shì），并且拉开的差距越来越大。
深（shēn）度神经网络+NVidia GPU掀起（qǐ）人工智能浪潮深度神经网络+NVidia GPU掀（xiān）起了业（yè）界的人工智能（néng）浪潮，不（bú）得不说这只是老黄整（zhěng）体战（zhàn）略（luè）的一个副产（chǎn）品，谁也没有想（xiǎng）到，高性能计算领域的一个分支--人（rén）工智能会如此火爆。 2011年，负（fù）责谷（gǔ）歌（gē）大脑的吴恩达（dá）通（tōng）过让深（shēn）度神经网络训练图片，一周之内学会（huì）了识别猫，他（tā）用了12片GPU代替了2000片CPU，这是世界（jiè）上第一（yī）次让机器（qì）认识猫。 2015年，微（wēi）软研（yán）究院用GPU加速的深（shēn）度神经网络（luò），在ImageNet比赛中获（huò）得（dé）了多项击败（bài）人的辨（biàn）识准确度，这是（shì）第一次（cì）机器视觉的识别率打败了（le）人眼（yǎn）的识别率(错误率5%)，可以认为是人（rén）工智能史上的一（yī）个（gè）重（chóng）要里程碑事件。 2016年，谷歌旗（qí）下Deepmind团队研发的机器人AlphaGo以（yǐ）4比（bǐ）1战胜世界围（wéi）棋冠（guàn）军职业九（jiǔ）段棋手李（lǐ）世石（AlphaGo的神经网络训练用了（le）50片GPU，走棋网络（luò）用了174片GPU），引发（fā）了围棋（qí）界的轩然大波，因（yīn）为（wéi）围棋一（yī）直被认为是人类智力较量的（de）巅峰，这（zhè）可以看做（zuò）是（shì）人工智能史上的又一个重大里程碑事件（jiàn）。
文章分（fèn）类：
行（háng）业新闻
|
