yzc888亚洲城

这项1958年的过时技术 才是人工智能的未来?潜力超越深度学习

?

  原创造就Talk3天前我要分享

  达格·斯派瑟(Dag Spicer)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(AI)未来的发展方向。

  斯派瑟是美国加州山景城计算机历史博物馆的高级策展人。包裹中的马达来自Mark 1感知机,这台感知机诞生于1958年,缔造者为康奈尔大学研究人员弗兰克·罗森布拉特(Frank Rosenblatt)。它能经由摄像头,“看到”三角形和正方形等形状,并学会区分不同形状。它拥有512个马达,用于转动旋钮,调整联系,达到辨别形状的目的。“当时,这是一个巨大的里程碑。”斯派瑟说。

  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(Mike Henry)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。

  

  Mythic模拟芯片将用于在小型设备中运行人工神经网络

  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。

  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(Eli Yablonovitch)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。

  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。

  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。

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。

  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。

  如果模拟计算卷土重来,这不会是Mark 1感知机的最大亮点。该机器是最早的神经网络之一,但在2012年,也就是当前的AI热潮掀起之前,它长期处于被冷落状态。

  

  模拟试验中,适配AI的常规智能手机芯片识别出的物体

  

  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

  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(如U盘芯片)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。

  具体方法就是针对一项任务,比如视频处理,将相应的神经网络写入芯片的晶体管。数据以模拟信号的形式流经芯片,即流经神经网络,继而被重新转换成数字信号,这样一来,芯片就能在常规数字设备内运作。Mythic与富士通合作,后者制造闪存芯片,并计划明年向客户推出用于测试的成品。该公司最初将瞄准摄像头市场,应用领域包括消费设备、汽车和监控系统。

  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。

  雅布罗诺维奇教授猜测,除了Mythic之外,以后还会有更多公司试图“复活”模拟计算。在近日的一次演讲中,他着重强调了模拟计算与当今世界一些最难攻克、同时也蕴藏着最大商机的计算机问题。

  “其总体潜力比深度学习还要大。” 雅布罗诺维奇说。他表示,有证据表明,模拟计算机或许还有助于解决著名的“旅行推销员问题”(译注:给定一系列城市,求解访问每座城市一次、并回到起始城市的最短路径),以及药品、投资等其他领域的难题。

  模拟计算机淡出人们的视野已有数十年,这期间,很多事情已经改变,但不变的是工程师敢于梦想的心。1958年,罗森布拉特在接受《纽约时报》采访时说,“感知机也许会被发射到其他行星上,作为太空机械探测器。”亨利也对地外探索满怀憧憬,他说,他的芯片或许可以帮助卫星理解它所拍摄的图像。有朝一日,他也许能证明罗森布拉特所言非虚。

  翻译:雁行

Wired

  本文为一点号作者原创,未经授权不得转载

  收藏举报投诉

  

  达格·斯派瑟(Dag Spicer)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(AI)未来的发展方向。

  斯派瑟是美国加州山景城计算机历史博物馆的高级策展人。包裹中的马达来自Mark 1感知机,这台感知机诞生于1958年,缔造者为康奈尔大学研究人员弗兰克·罗森布拉特(Frank Rosenblatt)。它能经由摄像头,“看到”三角形和正方形等形状,并学会区分不同形状。它拥有512个马达,用于转动旋钮,调整联系,达到辨别形状的目的。“当时,这是一个巨大的里程碑。”斯派瑟说。

  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(Mike Henry)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。

  

  Mythic模拟芯片将用于在小型设备中运行人工神经网络

  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。

  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(Eli Yablonovitch)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。

  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。

  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。

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。

  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。

  如果模拟计算卷土重来,这不会是Mark 1感知机的最大亮点。该机器是最早的神经网络之一,但在2012年,也就是当前的AI热潮掀起之前,它长期处于被冷落状态。

  

  模拟试验中,适配AI的常规智能手机芯片识别出的物体

  

  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

  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(如U盘芯片)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。

  具体方法就是针对一项任务,比如视频处理,将相应的神经网络写入芯片的晶体管。数据以模拟信号的形式流经芯片,即流经神经网络,继而被重新转换成数字信号,这样一来,芯片就能在常规数字设备内运作。Mythic与富士通合作,后者制造闪存芯片,并计划明年向客户推出用于测试的成品。该公司最初将瞄准摄像头市场,应用领域包括消费设备、汽车和监控系统。

  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。

  雅布罗诺维奇教授猜测,除了Mythic之外,以后还会有更多公司试图“复活”模拟计算。在近日的一次演讲中,他着重强调了模拟计算与当今世界一些最难攻克、同时也蕴藏着最大商机的计算机问题。

  “其总体潜力比深度学习还要大。” 雅布罗诺维奇说。他表示,有证据表明,模拟计算机或许还有助于解决著名的“旅行推销员问题”(译注:给定一系列城市,求解访问每座城市一次、并回到起始城市的最短路径),以及药品、投资等其他领域的难题。

  模拟计算机淡出人们的视野已有数十年,这期间,很多事情已经改变,但不变的是工程师敢于梦想的心。1958年,罗森布拉特在接受《纽约时报》采访时说,“感知机也许会被发射到其他行星上,作为太空机械探测器。”亨利也对地外探索满怀憧憬,他说,他的芯片或许可以帮助卫星理解它所拍摄的图像。有朝一日,他也许能证明罗森布拉特所言非虚。

  翻译:雁行

Wired

  本文为一点号作者原创,未经授权不得转载