展望2018 AI芯片领域：众多厂商追随深度学习

展望未来

当专家认真看待人工智能未来的时候，他们会看到一些有趣的可能性。
今天我们使用基于手动调整模型的监督式学习。谷歌的Warden就是预见未来会出现半监督方法的研究人员之一，他认为未来手机等客户端设备可以进行自主学习，最终目标是无监督式学习——计算机自学，而不需要工程师们的帮助。

在这条道路上，研究人员正在寻找方法来自动标记数据，因为这些数据是由手机或物联网节点等设备收集的。

西部数据公司首席数据科学家Janet George表示：“谷歌称，现在在这个中间阶段我们需要大量的计算，可一旦事情被自动标记，你只需要索引新的增量内容，这更像是人类如何处理数据的方式。”

无监督式学习打开了一扇通向加速机器智能时代的大门，有些人认为这是数字化的必杀技。另一些人则担心技术可能会在没有人为干预的情况下以灾难性的方式失控。谷歌公司TPU项目负责人Norm Jouppi说：这让我感到害怕。

同时，从事半导体工作的学者对未来的人工智能芯片的发展由他们自己的长远愿景。
英特尔、Graphcore和Nvidia“已经在制造全掩膜版芯片，下一步就是3D技术，”Patterson说。“当摩尔定律如火如荼时，由于担心可靠性和成本问题人们可能会退缩。现在摩尔定律正在结束，我们将看到很多这方面的实验。”

最终是创造出新型的晶体管，可以在逻辑和内存层进行片上堆叠。
Notre Dame电气工程教授Suman Datta很看好负电容铁电晶体管作为此类芯片的基础。他在最近召开的一次关于所谓单体3D结构的会议上谈到了该市场的格局。这样的设计应用并推进了3-D NAND闪存在片上芯片堆栈方面所取得的进展。

来自伯克利、麻省理工学院和斯坦福大学的团队将在2月份的国际固态电路会议上，展示一个类似的具有远见的架构。该芯片（下图）将电阻RAM（ReRAM）结构堆叠在一个由碳纳米管制成的逻辑上的相同模片上。

来自伯克利、麻省理工学院和斯坦福大学的研究人员将在ISSCC上发布报告，关于一种使用碳纳米管、ReRAM和图形作为计算元件的新型加速器。（来源：加州大学伯克利分校）
该设备从深度神经网络获得灵感，被编程为具有类似的模式而不是使用计算机一直在使用的确定数字。伯克利教授Jan Rabaey说，这个所谓的高维计算使用了几万维的向量作为计算元素。Rabaey为该报告做出了贡献，同时也是英特尔人工智能顾问委员会的成员。

Rabaey说，这种芯片可以从样例中进行学习，与传统系统相比操作要少得多。测试芯片将很快出炉，使用振荡器阵列作为与相关存储器阵列中的ReRAM单元配对的模拟逻辑。
Rabaey在IEEE人工智能研讨会上表示：“我梦想着可以随身携带的引擎，当场就能给我提供指导......我的目标是推动以小于100毫伏的功耗运行[人工智能]。我们需要重新思考如何做计算。我们正在从基于算法的系统转向基于数据的系统。”