Facebook首席AI科學(xué)家Yann LeCun日前在法國(guó)研究實(shí)驗(yàn)室CEA-Leti的創(chuàng)新日上發(fā)表講話時(shí)說(shuō),因?yàn)镹vidia收購(gòu)ARM,可以加速運(yùn)行RISC-V以運(yùn)行用于邊緣AI應(yīng)用的神經(jīng)網(wǎng)絡(luò)。
他說(shuō):“行業(yè)發(fā)生了變化,采用屬于Nvidia的ARM會(huì)使人們感到不安,但是RISC-V的出現(xiàn)讓人看到具有RISC-V內(nèi)核和NPU(神經(jīng)處理單元)芯片的課鞥呢?!?他說(shuō):“這些產(chǎn)品價(jià)格便宜得令人難以置信,不到10美元,許多產(chǎn)品都在中國(guó)以外的地區(qū),它們將無(wú)處不在?!?“我想知道RISC-V是否會(huì)接管那里的世界?!?/p>
他不贊成Leti的一項(xiàng)主要計(jì)劃,該計(jì)劃致力于刺激神經(jīng)網(wǎng)絡(luò)和類似方法(例如電阻RAM(RRAM)),但是卷積神經(jīng)網(wǎng)絡(luò)(CNN)的發(fā)明者和圖靈獎(jiǎng)的AI獲獎(jiǎng)?wù)邔?duì)此有其他看法。
他說(shuō):“模擬實(shí)現(xiàn)面臨的主要問(wèn)題是很難將硬件復(fù)用與模擬神經(jīng)網(wǎng)絡(luò)一起使用?!?“當(dāng)您進(jìn)行卷積并重用硬件時(shí),您必須進(jìn)行硬件多路復(fù)用,因此必須有一種方法來(lái)存儲(chǔ)結(jié)果,然后需要模擬存儲(chǔ)器或ADC和DAC轉(zhuǎn)換器,這會(huì)扼殺整個(gè)想法。因此,除非我們擁有廉價(jià)的低功耗模擬內(nèi)存,否則它將無(wú)法正常工作?!彼f(shuō)。“我很懷疑,也許是憶阻器陣列或自旋電子器件,但我有些懷疑?!?/span>
他說(shuō):“當(dāng)然,邊緣人工智能是一個(gè)非常重要的話題?!?“在接下來(lái)的兩到三年中,這將不是奇異的技術(shù),而是要盡可能降低功耗,修剪神經(jīng)網(wǎng)絡(luò),優(yōu)化權(quán)重,關(guān)閉未使用的系統(tǒng)部分,” LeCun表示:“我們的目標(biāo)是在未來(lái)兩到三年內(nèi)將相關(guān)功能引入到AR設(shè)備的芯片,并在五年內(nèi)使用這種設(shè)備,而且這種情況即將到來(lái),”他說(shuō)。
“十年后的今天,自旋電子學(xué)將會(huì)取得一些突破,或者在無(wú)需硬件多路復(fù)用的情況下允許模擬計(jì)算的任何突破?” 他問(wèn)。他說(shuō):“我們能提出這樣的想法嗎?如果沒(méi)有數(shù)據(jù)改組和沒(méi)有硬件多路復(fù)用,那么對(duì)于單個(gè)芯片來(lái)說(shuō),這樣的設(shè)備尺寸會(huì)大大縮小,這是一個(gè)很大的挑戰(zhàn)。”
“公司正在為下一代芯片開(kāi)發(fā)1nm和2nm技術(shù),我堅(jiān)信我們可以通過(guò)傳感器,神經(jīng)網(wǎng)絡(luò)和控制器來(lái)實(shí)現(xiàn)硬件的未來(lái),從而實(shí)現(xiàn)不同的發(fā)展,”Leti的首席執(zhí)行官Emmanual Sabonnadiere說(shuō)道?!拔覀冋谂χ贫▏?guó)家計(jì)劃,并在政治決策中運(yùn)用科學(xué)。Edge AI旨在阻止數(shù)據(jù)泛濫和數(shù)據(jù)隱私,使人們可以擁有自己的數(shù)據(jù)。”,他接著說(shuō)。
Leti還是歐洲神經(jīng)網(wǎng)絡(luò)計(jì)劃的一部分,該計(jì)劃正在研究神經(jīng)網(wǎng)絡(luò)芯片的新平臺(tái)。
CEA-Leti副首席執(zhí)行官兼首席技術(shù)官Jean Rene Lequeypes說(shuō):“有新一代技術(shù)正在研究中?!?“現(xiàn)在,我們有超過(guò)2000人致力于下一代技術(shù)的研發(fā)。他指出,挑戰(zhàn)在于集成所有不同的元件,而不必使用5nm及以下所需的極端UV光刻。
Lequeypes說(shuō):“我們希望最終性能達(dá)到1000TOPS / mW,這是一個(gè)很大的挑戰(zhàn),而且如何使用存儲(chǔ)器,不同的技術(shù)以及如何將它們集成在一起而無(wú)需使用EUV。”
責(zé)任編輯:tzh
-
芯片
+關(guān)注
關(guān)注
459文章
52481瀏覽量
440577 -
存儲(chǔ)器
+關(guān)注
關(guān)注
38文章
7649瀏覽量
167322 -
AI
+關(guān)注
關(guān)注
88文章
35093瀏覽量
279502 -
人工智能
+關(guān)注
關(guān)注
1806文章
49008瀏覽量
249289
發(fā)布評(píng)論請(qǐng)先 登錄
無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究
神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究
BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較
BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析
什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系
人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

基于光學(xué)衍射神經(jīng)網(wǎng)絡(luò)的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具與框架
卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較
RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別
LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制
LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實(shí)現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)
Moku人工神經(jīng)網(wǎng)絡(luò)101

評(píng)論