人工智慧(AI)革命才剛剛起步,很快地將會需要各種更強大的半導體。

在近日於美國加州舉行的國際固態電路會議(ISSCC)上,來自機器學習、電腦視覺和神經科學等領域的先驅——Yann LeCun在一場專題演講中告訴3,000名晶片設計師,當今監督式的神經網路正取得了廣泛應用,但卻受限於人類創造者啟動的過程。

被譽為「卷積神經網路(CNN)之父」的Yann LeCun說:「我認為,AI的未來是一種自我監督的學習過程。」CNN目前已廣泛用於電腦視覺和其他系統。

「生成對抗網路」(Generative adverserial networks;GAN)可望成為一種讓系統自行預測的技術。LeCun展示了幾個GAN用於設計時裝和引導自動駕駛車的實際例子。

YannLeCun

卷積神經網路(CNN)之父Yann LeCun在ISSCC發表專題演說

非監督式神經網路超越MAC、張量運算

未來的演算法將會需要更大的模型,從而要求當今性能原已有限的晶片提供更強大的功能。明日的神經網路將使用動態的不規則圖形等新的基本原型,從而變得更動態和稀疏。

對於演算法設計人員正著手開發中的新型運算而言,當今使用乘法累加陣列來處理張量的晶片可能沒什麼用處。他預期,對於嵌入式系統而言,各種低成本、低功耗的推論加速器將會是最大的機會。

Prediction

LeCun和其他專家在去年提出的演算法,它在每個特徵級都使用預測變量(來源:ISSCC)

LeCun從1988年開始在AT&T的貝爾實驗室(Bell Labs)設計神經網路系統,並開發了一套廣泛使用的銀行系統,可用於讀取支票。他在1989年撰寫了有關系統CNN的第一篇論文。LeCun說:「如今,CNN將無處不在,」其中包括汽車、攝影機和機器人。Lechun目前並在Facebook進行AI研究。

自從1950年代開始以來,該技術已經經歷了兩次神經網路寒冬。在最後一次之後,LeCun曾經協助設計了一款基於FPGA的機器人引導系統,但該系統在2011年的一場會議中遭拒。

他仍打趣地說:「大多數人都不相信從未聽說過的系統也可能順利工作。」

編譯:Susan Hong

(參考原文:AI Pioneer Sees Chip Renaissance,by Rick Merritt)