论这两年啥最火？人工智能算一个！
去年，百度出了无人驾驶汽车，今年，阿里出了酒店做事机器人。
谁知道，明年会出来什么？

总之，人工智能的新变革，总是日月牙异。
那么，作为人工智能中必不可少的芯片，它的前世今生和未来，究竟如何呢？

人工智能的本日来之不易，将来也有很长的路要走。

最近人工智能（AI）的话题非常火爆。
AI在医疗诊断、新化合物合成、罪犯识别等方面得到了广泛运用，还能驾驶汽车，乃至能创造出艺术品。

有时彷佛觉得没有什么AI做不到的，彷佛每个人都要失落业，只要看着AI替我们做好统统就行了。

为了理解AI技能的起源，这篇文章将会带你浏览AI的历史。
它还会先容AI芯片的现状，以及为了让AI能真正影响到人类生活，创造出高等驾驶赞助系统（ADAS）和自动驾驶汽车等，我们还须要做些什么。

我们先来从AI的历史开始。
随着AI的发展，它越来越倾向特定的技能，即机器学习，这项技能依赖于履历学习来做决策，而不是靠程序做决策。

而机器学习为深度学习打下了根本，后者的算法须要对数据的进一步理解。

AI的技能之源

“人工智能”这个词由科学家John McCarthy、Claude Shannon和Marvin Minsky与1956年在Dartmouth会议上创造。
五十年代末，Arthur Samuel将“机器学习”这个词定义为能够从缺点中学习的程序，这种程序乃至能不才棋方面比它的创造者更精良。

这是打算机技能发展的黄金期间，许多研究职员都认为AI能很快“办理”。
科学家们对基于人类大脑功能的打算做了很多研究，看它们是否能办理真实天下中的问题，从而创造了“神经网络”的观点。

1970年，Marvin Minsky见告《Life》杂志，“只需三到八年的韶光，我们就能创造出拥有普通人类智能的机器”。

到了二十世纪八十年代，AI走出实验室进入商业领域，创造了一段投资的神话。
当AI技能的泡沫在八十世纪末破碎时，AI回到了学术界，科学家们连续研究它的潜力。

商业圈的不雅观察人士称AI为“过早到来的技能”，或者“未来的技能”，等等不一而足。
这段相称长的期间被称为“AI的寒冬”，但随后AI在商业圈又得到了迅猛发展。

1986年，Geoffrey HInton和他的同事们揭橥了里程碑式的论文，描述了名为“反向传播”的算法，这个算法可以用于大幅度改进多层“深度”神经网络的性能。

1989年，贝尔实验室的Yann LeCun和其他研究职员演示了一项新技能在真实天下中的运用，即演习神经网络来识别手写的邮政编码。
他们只花了三天韶光就演习了一个深度卷积神经网络（CNN）。

快进至2009年，斯坦福大学的Rajat Raina、Anand Madhavan和Andrew Ng揭橥了一篇论文，谈论了利用打算性能远超当代多核CPU的GPU提高深度学习速率的方法。
AI的盛宴就此开始了。

真正的AI芯片的任务

为什么本日AI的话题无处不在？一系列的关键成分终极都聚拢在一点上：人们相信科技的巨大进步能够办理越来越主要的真实天下问题。

有了本日互联网供应的根本举动步伐，全天下的研究职员都能够利用强大的打算能力、海量的数据和高速的通讯，从而创造出新的算法和解决方案。

例如，汽车工业已经表示乐意在AI科技方面投入巨大的研发资源，由于机器学习可能办理诸如自动驾驶等高度繁芜的任务。

AI芯片设计的一个紧张问题便是集成。
这里谈论的是超大规模的定制系统芯片（SoC），个中的深度学习由多种硬件加速器实现。
设计AI芯片是非常困难的，特殊是在汽车工业苛刻的安全和可靠性的哀求下。

但是，AI芯片依然只是芯片，或许再加上一些处理器、内存、I/O和互联技能方面的新技能而已。

像Google和Tesla等芯片设计方面的新手，以及AIMotive、Horizon Robotics等AI芯片创业公司，都拥有丰富的深度学习的打算繁芜度方面的知识，但他们可能会面临尖端系统芯片设计等方面的巨大寻衅。

可配置的、互联的知识产权的浸染非常主要，它能让这些芯片界的新手迅速制造出可以利用的芯片。

以带有深度学习加速器的AI芯片为例，这种芯片的利用场景如汽车前置摄像头，可以进行图像剖析，对路边的物体进行检测和分类。
每个AI芯片都有独特的内存访问办法，以担保最大的带宽。

芯片内的数据流必须经由优化，以担保最大的带宽，才能在必要的时候知足性能需求，但又要尽可能在芯片面积、本钱和能量花费方面进行优化。
每个连接必须为高层的AI算法进行优化。

更麻烦的是，新的AI算法每天都在呈现。
从某些方面来说，现在的深度学习就像喷鼻香蕉一样，没人想要烂喷鼻香蕉，也没人想要AI芯片中的旧算法。
对付这些尖端科技产品来说，上市韶光比许多其他半导体产品更为主要。

AI的未来

只管深度学习和神经网络快速地推动了人工智能技能的发展，许多研究职员依然相信，要达到终极的AI目标，我们依然须要更多的不同方法。

大多数AI芯片的设计思路依然是LeCun和Hinton等人在十几年前揭橥的思想的改进版本，但没有任何情由相信，这条路上的指数级增长能够让AI像人类那样思考。

我们本日所知的AI并不能把一个任务上得到的深度学习履历推广到其他新的、不同的任务上。

而且，神经网络并不能很好地接管以前的知识，或接管“高下”或者“孩子有父母”这种大略的规则。

末了，基于神经网络的AI须要大量的数据进行学习，而人类只需一次触摸火炉的履历就能学会不再碰火炉。
现在依然不清楚若何才能将现在的AI技能运用到没有大量数据的问题上。

只管按照目前人类的标准来看，AI芯片并没有只能，但它们依然很聪明，而且很可能在不远的未来它们会变得更聪明。

这些芯片会连续引领半导体技能、打算机体系构造和SoC设计的发展，从而促进更强大的处理能力，匆匆使下一代AI算法的涌现。

同时，新的AI芯片也会进一步须要更多的内存系统和芯片内互联架构，以确保新的硬件加速装置能够为深度学习供应稳定的数据流。

原文：https://semiengineering.com/artificial-intelligence-chips-past-present-and-future/

作者：TY Garibay，ArterisIP的CTO，55th DAC IP Track的董事会成员。

译者：弯月，责编：胡巍巍