展望未來

當(dāng)專家認(rèn)真看待人工智能未來的時候，他們會看到一些有趣的可能性。
今天我們使用基于手動調(diào)整模型的監(jiān)督式學(xué)習(xí)。谷歌的Warden就是預(yù)見未來會出現(xiàn)半監(jiān)督方法的研究人員之一，他認(rèn)為未來手機(jī)等客戶端設(shè)備可以進(jìn)行自主學(xué)習(xí)，最終目標(biāo)是無監(jiān)督式學(xué)習(xí)——計算機(jī)自學(xué)，而不需要工程師們的幫助。

在這條道路上，研究人員正在尋找方法來自動標(biāo)記數(shù)據(jù)，因?yàn)檫@些數(shù)據(jù)是由手機(jī)或物聯(lián)網(wǎng)節(jié)點(diǎn)等設(shè)備收集的。

西部數(shù)據(jù)公司首席數(shù)據(jù)科學(xué)家Janet George表示：“谷歌稱，現(xiàn)在在這個中間階段我們需要大量的計算，可一旦事情被自動標(biāo)記，你只需要索引新的增量內(nèi)容，這更像是人類如何處理數(shù)據(jù)的方式。”

無監(jiān)督式學(xué)習(xí)打開了一扇通向加速機(jī)器智能時代的大門，有些人認(rèn)為這是數(shù)字化的必殺技。另一些人則擔(dān)心技術(shù)可能會在沒有人為干預(yù)的情況下以災(zāi)難性的方式失控。谷歌公司TPU項(xiàng)目負(fù)責(zé)人Norm Jouppi說：這讓我感到害怕。

同時，從事半導(dǎo)體工作的學(xué)者對未來的人工智能芯片的發(fā)展由他們自己的長遠(yuǎn)愿景。
英特爾、Graphcore和Nvidia“已經(jīng)在制造全掩膜版芯片，下一步就是3D技術(shù)，”Patterson說。“當(dāng)摩爾定律如火如荼時，由于擔(dān)心可靠性和成本問題人們可能會退縮。現(xiàn)在摩爾定律正在結(jié)束，我們將看到很多這方面的實(shí)驗(yàn)。”

最終是創(chuàng)造出新型的晶體管，可以在邏輯和內(nèi)存層進(jìn)行片上堆疊。
Notre Dame電氣工程教授Suman Datta很看好負(fù)電容鐵電晶體管作為此類芯片的基礎(chǔ)。他在最近召開的一次關(guān)于所謂單體3D結(jié)構(gòu)的會議上談到了該市場的格局。這樣的設(shè)計應(yīng)用并推進(jìn)了3-D NAND閃存在片上芯片堆棧方面所取得的進(jìn)展。

來自伯克利、麻省理工學(xué)院和斯坦福大學(xué)的團(tuán)隊(duì)將在2月份的國際固態(tài)電路會議上，展示一個類似的具有遠(yuǎn)見的架構(gòu)。該芯片（下圖）將電阻RAM（ReRAM）結(jié)構(gòu)堆疊在一個由碳納米管制成的邏輯上的相同模片上。

來自伯克利、麻省理工學(xué)院和斯坦福大學(xué)的研究人員將在ISSCC上發(fā)布報告，關(guān)于一種使用碳納米管、ReRAM和圖形作為計算元件的新型加速器。（來源：加州大學(xué)伯克利分校）
該設(shè)備從深度神經(jīng)網(wǎng)絡(luò)獲得靈感，被編程為具有類似的模式而不是使用計算機(jī)一直在使用的確定數(shù)字。伯克利教授Jan Rabaey說，這個所謂的高維計算使用了幾萬維的向量作為計算元素。Rabaey為該報告做出了貢獻(xiàn)，同時也是英特爾人工智能顧問委員會的成員。

Rabaey說，這種芯片可以從樣例中進(jìn)行學(xué)習(xí)，與傳統(tǒng)系統(tǒng)相比操作要少得多。測試芯片將很快出爐，使用振蕩器陣列作為與相關(guān)存儲器陣列中的ReRAM單元配對的模擬邏輯。
Rabaey在IEEE人工智能研討會上表示：“我夢想著可以隨身攜帶的引擎，當(dāng)場就能給我提供指導(dǎo)......我的目標(biāo)是推動以小于100毫伏的功耗運(yùn)行[人工智能]。我們需要重新思考如何做計算。我們正在從基于算法的系統(tǒng)轉(zhuǎn)向基于數(shù)據(jù)的系統(tǒng)。”