人工智能正在改变行业的思维方式

在SEMI最近的行业战略研讨会上，我有幸参加了一个人工智能（AI）小组讨论“填补智能扬声器和自动驾驶汽车之间的差距”的挑战。与我一起参加讨论的还有费德里科·法金博士，他是英特尔公司设计世界上第一台微处理器的发明家（4004）；英特尔公司首席技术官迈克尔（迈克）梅贝里博士；布鲁尔科学公司创始人、总裁兼首席执行官特里·布鲁尔博士。VLSIresearch公司首席执行官丹·哈奇森（Dan Hutcheson）担任主持人。以下是我从讨论中得出的一些要点。

新兴的人工智能和大数据时代有望成为迄今为止最大的计算浪潮，从医疗保健到交通运输等各个行业都将普及。实现这一未来需要在整个行业生态系统中实现技术突破，从材料到系统。使人工智能成为可能的核心是开发更好的神经处理器。但要实现这一点，我们需要更深入地了解人类的智力是如何工作的。

该小组首先讨论了CPU性能的发展，从Intel 4004到提供Zettaflops性能的最新芯片。但这仅仅是创建AI工作负载所需的经济高效和节能解决方案的开始。现在，我们正试图模拟大脑，这是对CPU的要求和挑战它们是巨大的。

人工智能仍然是基于神经网络技术，而神经网络技术又是基于计算机的模拟，计算机遵循一个数学模型，试图捕捉我们大脑的活动。但这与大脑的实际操作相差两步。如果没有一组特定的数据，神经网络可以从中学习数据的模式和相关性，神经网络只能走这么远。

当这个行业努力保持创新时，我们真正需要的是打破这个行业已经运作了很长很长时间的持续改进思维。这个行业需要一个破坏者，人工智能可以充当这个破坏者。

讨论会上讨论的一个例子是，业界每秒生成约30000个数据点的能力，这一增长使分析实现了飞跃，可与从标准显示器到超高清显示器的发展相媲美，这也使我们能够看到以前看不到的东西。这可能会造成破坏。

虽然人工智能如今正吸引着全世界的注意力，但这个词实际上是几十年前，1956年创造的，在20世纪70年代和80年代，包括最基本的自动驾驶汽车，人工智能的普及率激增。从那时起，持续改进的快速步伐已经将许多人工智能概念转变为现实，并在今天运行良好。例如，数字语音助理：这个概念大约是40年前的事了，但计算机还不足以实现它。

触发人工智能新崛起的是数据的大量增加，这使得真正有用的模型成为可能。有人指出，互联网和标记数据使我们能够建立更复杂的模型，进而推动对更快的硬件和更好的统计算法的需求。

正如随着人工智能的好处，对节能计算能力的需求正在增加，实现这一点的机制摩尔定律在过去七到八年中已经停滞。现在，现有晶体管翻倍需要五到六年的时间，我们不再像以前那样每年获得10%到15%的功率提升。这种放缓对人工智能的未来有着严重的影响。为了每年可靠地提高计算性能和能源效率，我们需要在芯片设计和架构方面进行根本性的改变。

是时候质疑AI堆栈上下长期持有的假设了。在金字塔的顶端，在过去60年的大部分时间里，计算都是在传统的CPU上进行的。最近，许多应用程序已经过渡到使用图形处理器来改进人工智能，因为它们在矩阵运算方面更快。下一步是利用更多的专用处理器和计算机来提供更节能的人工智能计算。更深入的理解，而不是实施模拟脑启发的神经网络，行业应考虑实施实际的神经网络。

在制造层面，该行业仍在使用几十年来基本相同的方法制造芯片。在这方面，基本假设也必须受到挑战：我们需要重新考虑沉积、修改和移除材料，将其视为在离散工具中执行的离散功能。继续取得进展并提高能力在原子级制造的先进芯片中，我们需要在材料工程方面取得突破。我们已经看到，一些新方法如Applied’s已经取得了成果集成材料解决方案.

我们将从这里走向何方？小组提出了许多有趣的问题，并概述了许多新的挑战。我得出的结论是，业界认识到需要新的突破，并正在努力为人工智能应用提供创新。