人工智能的發(fā)展越來越抽象,越來越復(fù)雜。從早期簡(jiǎn)單的是與否的判斷,到后來精準(zhǔn)的識(shí)別,可以在復(fù)雜的場(chǎng)景里找出特定的目標(biāo),再到后來,出現(xiàn) AlphaGo 這樣可以做出主動(dòng)的決策的 AI,甚至智能如 AlphaGo Zero,可以完全依靠自學(xué)實(shí)現(xiàn)快速成長(zhǎng)。
人工智能經(jīng)過這么長(zhǎng)時(shí)間的發(fā)展,在網(wǎng)絡(luò)的種類、復(fù)雜程度和處理的信息量上都發(fā)生了天翻地覆的變化。網(wǎng)絡(luò)種類上,從早期的 AlexNet 和 GoogleNet 到現(xiàn)在各種各樣的 GAN(生成對(duì)抗網(wǎng)絡(luò))以及各種深度強(qiáng)化學(xué)習(xí)的網(wǎng)絡(luò),它們各自網(wǎng)絡(luò)結(jié)構(gòu)都有不同,開發(fā)者在適應(yīng)最新的網(wǎng)絡(luò)上常常會(huì)遇到一些麻煩。
處理的信息量也在成倍地增長(zhǎng),算力需求越來越高的情況下,對(duì)搭載處理單元的體積有更多限制的機(jī)器人實(shí)際上存在著在智能水平上升級(jí)的障礙。這就是為什么人工智能芯片不斷升級(jí)迭代的原因。
人工智能的終極目標(biāo)是模擬人腦,人腦大概有1000億個(gè)神經(jīng)元,1000萬億個(gè)突觸,能夠處理復(fù)雜的視覺、聽覺、嗅覺、味覺、語言能力、理解能力、認(rèn)知能力、情感控制、人體復(fù)雜機(jī)構(gòu)控制、復(fù)雜心理和生理控制,而功耗只有10~20瓦。
可能有很多人會(huì)問,目前在人工智能領(lǐng)域,NVidia GPU為什么具有無可撼動(dòng)的霸主地位,為什么AMD的GPU和NVidia GPU性能相差不多,但是在人工智能領(lǐng)域的受歡迎的程度卻有天壤之別。
2011年,負(fù)責(zé)谷歌大腦的吳恩達(dá)通過讓深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖片,一周之內(nèi)學(xué)會(huì)了識(shí)別貓,他用了12片GPU代替了2000片CPU,這是世界上第一次讓機(jī)器認(rèn)識(shí)貓。
2016年,谷歌旗下Deepmind團(tuán)隊(duì)研發(fā)的機(jī)器人AlphaGo以4比1戰(zhàn)勝世界圍棋冠軍職業(yè)九段棋手李世石(AlphaGo的神經(jīng)網(wǎng)絡(luò)訓(xùn)練用了50片GPU,走棋網(wǎng)絡(luò)用了174片GPU),引發(fā)了圍棋界的軒然大波,因?yàn)閲逡恢北徽J(rèn)為是人類智力較量的巔峰,這可以看做是人工智能史上的又一個(gè)重大里程碑事件。
谷歌并不是唯一一家為這種設(shè)備上的AI任務(wù)設(shè)計(jì)芯片的公司。 ARM,Qualcomm,Mediatek和其他公司都制造了自己的AI加速器,而Nvidia制造的GPU在培訓(xùn)算法市場(chǎng)上占據(jù)了主導(dǎo)地位。
然而,Google的競(jìng)爭(zhēng)對(duì)手并沒有控制整個(gè)AI堆棧。 客戶可以將他們的數(shù)據(jù)存儲(chǔ)在Google的云端; 使用TPU訓(xùn)練他們的算法; 然后使用新的Edge TPU進(jìn)行設(shè)備上推斷。而且,他們很可能會(huì)使用TensorFlow創(chuàng)建他們的機(jī)器學(xué)習(xí)軟件--TensorFlow是由Google創(chuàng)建和運(yùn)營(yíng)的編碼框架。
這種垂直整合具有明顯的好處。 Google可以確保所有這些不同的部分盡可能高效,順暢地相互通信,使客戶更容易在公司的生態(tài)系統(tǒng)中玩游戲。
2016年5月的谷歌I/O大會(huì),谷歌首次公布了自主設(shè)計(jì)的TPU,2017年谷歌I/O大會(huì),谷歌宣布正式推出第二代TPU處理器,在今年的Google I/0 2018大會(huì)上,谷歌發(fā)布了新一代TPU處理器——TPU 3.0。TPU 3.0的性能相比目前的TPU 2.0有8倍提升,可達(dá)10億億次。
TPU全名為Tensor Processing Unit,是谷歌研發(fā)的一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練的處理器,主要用于深度學(xué)習(xí)、AI運(yùn)算。在7月份的Next 云端大會(huì),谷歌又發(fā)布了 Edge TPU 芯片搶攻邊緣計(jì)算市場(chǎng)。雖然都是 TPU,但邊緣計(jì)算用的版本與訓(xùn)練機(jī)器學(xué)習(xí)的 Cloud TPU 不同,是專門用來處理AI預(yù)測(cè)部分的微型芯片。Edge TPU可以自己運(yùn)行計(jì)算,而不需要與多臺(tái)強(qiáng)大計(jì)算機(jī)相連,因此應(yīng)用程序可以更快、更可靠地工作。它們可以在傳感器或網(wǎng)關(guān)設(shè)備中與標(biāo)準(zhǔn)芯片或微控制器共同處理AI工作。