AI芯片让机器更好地服务人类

时间:2019-04-08  浏览量:

未来,当你在夏天炎热的夜间打开空调睡觉的时候,空调会自动感知你身体皮肤的温度,当你的皮肤温度低到一个事先设定的温度的时候,空调会自动调整温度,或者转换风向。

在日前举办的云知声技术开放日演讲时,该公司副总裁李霄寒谈到了智能设备的协同运行,描绘了这样一个人工智能应用场景。相关功能的核心便在于人工智能芯片。

芯片具有核心意义

人工智能芯片可以分为云端芯片和边缘芯片。人工智能云已经有很好的发展,在云端不仅集成了很多人工智能的能力,还集成了很多教育、医疗等领域的知识。所有的知识在跟用户连接的时候需要一个载体,这个载体过去是手机,但是在物联网时代,这个载体可能不是手机,而是开关插座、音箱等,或者所有的设备都有可能。

对于这些设备来说,需要有个载体能够用来承接云端的能力,把云端能力赋予用户,同时能够把用户端的数据及需求向云端上传,确保这个载体实现这些功能的方案,便是AI芯片及其上面的应用,所以AI边缘芯片对于物联网和人工智能的落地应用具有核心的意义。

云知声公司副总裁李霄寒认为,传统的CPU芯片在设计的时候,考虑最多的是电路设计是否足够好,成本和功耗是否比较低等,但人工智能边缘芯片则要考虑应用场景、安全需求和低功耗需求。在安全方面,系统知识产权IP被非法窃取、系统固件受到非法的篡改和伪造、用户侧产品被非法控制、用户信息被非法窃取、用户隐私得不到有效保护……这些因素都对人工智能芯片的研发带来挑战。

未来是什么在决定着物联网和人工智能AI芯片的设计?李霄寒认为,未来的芯片需要面向具体场景,基于应用端和云端互动的思想,提供多模态处理的能力,在性能、功耗、面积上达到优异平衡,并兼顾连接和安全的需求。

拒绝人工智障

对于机器来说,人类是机器的创造者,人类能够赋予机器灵气吗?科学家们一直在做这样的实验,不断地让机器变得越来越聪明,可以自由地跟人类对话,甚至有预测认为,在2045年的时候,机器的智能水平将能够超过人类,机器能够和人共存,甚至让人得到永生。

理想是美好的,但是现实是这样的:如果我是人工智能机器,别人会给我起一个外号叫“人工智障”。

这是什么原因呢?云知声AIlabs资深专家刘升平认为,这是因为我们在使用智能设备的时候,每次跟设备交互,都需要唤醒一次,很不人性化;目前的设备对人类的理解水平还比较弱,只能理解比较简单的单句,如果我们换一种说法,它就理解不了,比如:目前的智能音箱只会闲聊,并不能回答一些复杂问题。

为解决这些问题,云知声提出了流式对话、语用计算和知性会话。通过流式对话技术达到多次对话中可以免唤醒的效果;通过语用计算技术,做到不仅理解语境,更能结合丰富的语义,去真实理解一句话的真正含义;通过知性对话技术,把知识引入到对话过程中,让知识图谱全程参与整个对话过程,包括聊天、问答等人机对话都由知识图谱来支撑。刘升平表示,人机对话系统需要把语音、语义和语境结合在一起,并和知识深度融合,让机器更智能,让人分辨不出到底是机器还是人在对话。

其实,拒绝人工智障对技术的要求体现在细节上的各个方面,去除噪音就是其中的一个关键环节。在日常生活中,远距离的噪音环境是常态,在这种情况下,智能语音设备如何识别真正需要听到的声音,并唤醒相关功能,就是其必须具备的基本功。云知声AILabs资深专家关海欣表示,这涉及到回声消除、混响抑制等具体的技术。

产业机会在哪里

“2019年,我们将把AI技术和产业深度结合,带来一些变化。这些年来,可以总结一句话:市场不接受忽悠,产业变革的最大捷径是把硬功夫练好,企业需要真正沉下来把技术做好,这样才能走得更远。”云知声公司董事长梁家恩认为,AI不是刷榜炫技,而是需要真正解决产业实际问题,只有这样,才能说AI产业真正到来,否则就是一个泡沫阶段。

AI是一种技术,假如它不跟产业结合,那将是一种纯粹的炫技。AI前两次浪潮没有跟产业结合,第三次浪潮的背景是万物智联,AI技术将与IOT、5G等技术结合,带来天翻地覆的变化,推动消费和产业升级。

只有技术能力和产业需求相结合,产业机会才能推动起来。梁家恩认为产业升级方面的挑战包括:如何构建行业智能系统解决产业实际问题,如何打造场景化AI应用形态与服务模式,如何完善公共基础设施、产业标准和安全防范机制,如何构建互利共赢的智能产业新生态。

据梁家恩介绍,正是基于这样的认识,云知声致力于贯通技术创新到产业应用的价值闭环,破解产业规模化应用难题,用两个词来概括便是“全栈”和“硬核”。

为打造全栈能力,作为从语音交互起家的云知声,目前的技术图谱已经超过了语音能力范围,通过降噪和语音识别、对话管理系统、行业智能系统、人脸和语音合成等,构建多模态拟人化智能系统,打造感知、认知和表达能力,打通一个完整的产业闭环,并在语言感知与表达、机器智能提升、AIoT芯片和超算平台四个方面打造硬核技术。

新闻链接

从芯片角度看人工智能时代的三个阶段

第一阶段:因为芯片算力不足,所以神经网络被打入冷宫

代表性时间节点:

1956年,美国达特茅斯会议揭开人工智能研究的序幕

1962年,Rosenblatt出版《神经动力学原理》,开启人工神经网络研究

1969年,Minsky与Papert出版《感知器》,抨击多层神经网络无法被计算机实现

第二阶段:通用芯片CPU的算力大幅提升,但仍无法满足神经网络的需求

代表性时间节点:

1982年,日本开始第五代计算机项目研究计划

1985年,Hinton与Sejnowski发表“多层神经网络”,之前被视为不可能实现

1993年,Yann LeCun的团队使用DSP在一台486电脑上实现深度学习算法

第三阶段:GPU和新架构的AI芯片推进人工智能落地

代表性时间节点:

2009年,Rajat Raina和吴恩达利用GPU训练深度学习算法

2014年,陈天石博士的团队接连发表以DianNao为名的人工智能专用加速芯片

2016年,AlphaGo采用TPU架构,并击败人类世界冠军棋士李世石