為了解AI技術(shù)的起源，本文記錄了AI的發(fā)展歷程，通過高級駕駛員輔助系統(tǒng)(ADAS)和自動駕駛汽車的案例，分析了AI芯片目前的發(fā)展?fàn)顟B(tài)，以及如何讓AI芯片真正改變我們的日常生活。讓我們從AI的歷史開始講起，隨著AI的發(fā)展，更專業(yè)化的技術(shù)出現(xiàn)了，即所謂的機(jī)器學(xué)習(xí)，它依靠經(jīng)驗(yàn)學(xué)習(xí)而不是編程來做決策。反過來，機(jī)器學(xué)習(xí)也為后來的深度學(xué)習(xí)奠定了基礎(chǔ)。深度學(xué)習(xí)涉及到分層算法，目的是為了更好地理解數(shù)據(jù)。

AI技術(shù)本源

1956年達(dá)特茅斯會議上，科學(xué)家約翰·麥卡錫，克勞德·香農(nóng)和馬文·明斯基提出了“人工智能”一詞。50年代末，阿瑟·薩繆爾(Arthur Samuel)提出了“機(jī)器學(xué)習(xí)”這個術(shù)語，他開發(fā)了一個西洋跳棋程序，可以從錯誤中吸取教訓(xùn)，經(jīng)過學(xué)習(xí)后，甚至比編寫程序的人棋力更強(qiáng)。

在這個計算機(jī)技術(shù)飛速發(fā)展的時代，樂觀的環(huán)境讓研究人員相信AI技術(shù)將在短時間內(nèi)“攻克”?？茖W(xué)家們研究了基于人腦功能的計算是否能夠解決現(xiàn)實(shí)生活中的問題，創(chuàng)造了“神經(jīng)網(wǎng)絡(luò)”的概念。1970年，馬文·明斯基在《生活》雜志中講到，“未來3~8年內(nèi)，我們將擁有相當(dāng)于普通人智力水平的機(jī)器。”

到了20世紀(jì)80年代，AI走出實(shí)驗(yàn)室，進(jìn)入商業(yè)化，掀起了一股投資熱潮。80年代末，AI技術(shù)泡沫最終破裂，AI又回到了研究領(lǐng)域，科學(xué)家們繼續(xù)開發(fā)AI的潛能。行業(yè)觀察者稱AI是一種超前于時代的技術(shù)，也有人說是未來科技。經(jīng)歷了相當(dāng)長一段時間的所謂“AI寒冬”之后，商業(yè)開發(fā)再次啟動。

1986年，杰弗里·希爾頓(Geoffrey Hinton)和他的同事發(fā)表了一篇里程碑式的論文，描述了一種稱為“反向傳播(back-propagation)”的算法，該算法可以顯著提高多層或“深度”神經(jīng)網(wǎng)絡(luò)的性能。 1989年，嚴(yán)恩·樂庫(Yann LeCun)和貝爾實(shí)驗(yàn)室的其他研究人員創(chuàng)建了一個可以訓(xùn)練識別手寫的郵政編碼的神經(jīng)網(wǎng)絡(luò)，展示了這項(xiàng)新技術(shù)在現(xiàn)實(shí)世界中的重要應(yīng)用。他們訓(xùn)練深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)只花了3天時間。時光飛逝到2009年，斯坦福大學(xué)的Rajat Raina、Anand Madhavan和Andrew Ng發(fā)表了一篇論文，闡述了現(xiàn)代GPU在深度學(xué)習(xí)領(lǐng)域擁有遠(yuǎn)遠(yuǎn)超過多核CPU的計算能力。AI已經(jīng)準(zhǔn)備好重新起航。

探索真正的AI芯片

為什么當(dāng)今我們總是聽到不可勝數(shù)的關(guān)于AI的消息?關(guān)鍵因素的融合為AI技術(shù)的巨大進(jìn)步奠定了基礎(chǔ)，許多人認(rèn)為這能夠解決越來越重要的現(xiàn)實(shí)問題。利用當(dāng)今互聯(lián)網(wǎng)提供的基礎(chǔ)設(shè)施，全球研究人員可以獲得創(chuàng)建新算法和解決方案所需要的計算能力、大規(guī)模數(shù)據(jù)和高速通信。例如，汽車行業(yè)已經(jīng)表示，愿意為AI技術(shù)投入研發(fā)資金，因?yàn)闄C(jī)器學(xué)習(xí)有能力處理自動駕駛等高度復(fù)雜的任務(wù)。

AI芯片設(shè)計的主要挑戰(zhàn)之一就是將一切整合到一起。我們在這里討論的是超大型的定制SoC，它使用多種類型的硬件加速器實(shí)現(xiàn)深度學(xué)習(xí)。設(shè)計AI芯片可能是非常困難的事情，尤其是考慮到汽車行業(yè)對安全性和可靠性的嚴(yán)格要求，但AI芯片仍然只是芯片而已，或許在加工工藝、存儲器、I/O和互連技術(shù)方面會有一些新的解決方案。

像谷歌和特斯拉這樣的IC設(shè)計新手公司，以及AIMotive和Horizon Robotics這樣的AI芯片創(chuàng)業(yè)公司，都對深度學(xué)習(xí)的計算復(fù)雜性有深入的了解，但在開發(fā)這些最先進(jìn)的SoC時，它們可能會面臨嚴(yán)峻的挑戰(zhàn)。可配置的互連IP在確保業(yè)內(nèi)所有這些新參與者能夠盡快獲得功能性芯片方面可以發(fā)揮關(guān)鍵作用。

例如，對于汽車前置攝像頭，可以采用具有深度學(xué)習(xí)加速器的AI芯片，它們可以對路邊的目標(biāo)進(jìn)行檢測和分類。每顆AI芯片都有唯一的內(nèi)存訪問配置文件，以確保最大帶寬。片內(nèi)互連的數(shù)據(jù)流必須進(jìn)行優(yōu)化，以確保在滿足性能目標(biāo)時有更寬的帶寬路徑，但在可能的情況下分配窄路徑以優(yōu)化面積、成本和功耗。

每個連接也必須進(jìn)行優(yōu)化，以適應(yīng)更高級別的AI算法。為了讓它更有趣，人們每天都在開發(fā)新的AI算法。從某種程度上講，今天的深度學(xué)習(xí)芯片就像香蕉，沒有人想在自己的AI芯片中使用爛香蕉或老算法。對于這些前沿產(chǎn)品而言，上市時間甚至比其他很多半導(dǎo)體產(chǎn)品更為重要。

AI的未來

雖然深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)正在迅速推動AI技術(shù)的發(fā)展，但仍有許多研究人員認(rèn)為，如果要實(shí)現(xiàn)AI最不可思議的目標(biāo)，仍然需要從根本上采用完全不同的新方法。大多數(shù)AI芯片的設(shè)計都是為了實(shí)現(xiàn)LeCun和Hinton以及其他人在十多年前發(fā)表的相同想法的不斷改進(jìn)的版本，但是我們沒有理由期望，沿著這條道路取得指數(shù)級別的進(jìn)展就能讓AI變得可以像人類一樣思考。正如我們今天所知道的那樣，我們無法將付出巨大努力完成了一項(xiàng)任務(wù)的深度學(xué)習(xí)應(yīng)用到一項(xiàng)不同的新任務(wù)中。

此外，神經(jīng)網(wǎng)絡(luò)沒有很好的方法來整合先前的知識，也沒有“向上vs向下”(up vs down)以及“孩子有父母”(children have parents)這樣的規(guī)則。最后，基于神經(jīng)網(wǎng)絡(luò)的AI需要大量的例子來學(xué)習(xí)，而人類只要有一次難忘的經(jīng)歷就能學(xué)會不去碰火爐。目前尚不清楚如何將現(xiàn)有的AI技術(shù)應(yīng)用于那些沒有海量標(biāo)記數(shù)據(jù)集的問題。

雖然AI芯片目前還不是特別智能，但它們絕對很聰明，而且很有可能在不久的將來變得更加智能。這些芯片將繼續(xù)利用半導(dǎo)體加工、計算機(jī)架構(gòu)和SoC設(shè)計方面的先進(jìn)技術(shù)，以提高處理能力，支持下一代AI算法。與此同時，新的AI芯片將繼續(xù)需要先進(jìn)的存儲系統(tǒng)和片上互連架構(gòu)，以便為新的專有硬件加速器提供深度學(xué)習(xí)所需的源源不斷的數(shù)據(jù)流。