0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

AI核心动力之深度学习神经网络的现状及发展趋势

HOPE开放创新平台 2017-12-01 09:48 次阅读

11月30日,由海尔开放创新平台HOPE、模块商资源平台海达源主办的第33届众创空间模块商方案交互日精彩继续!

今天交互日围绕人工智能芯片标准及定制进行研讨,973项目首席科学家,西安交通大学龚怡宏教授、芯片设计专家,上海交通大学梁晓峣教授以及AIEC人工智能联盟专家纷纷助阵,通过主题演讲和圆桌论坛等形式,不断将研讨会氛围推向高潮。

01听专家讲AI未来走向何方

人工智能早已被捧上风口,其中算法、数据和计算能力是核心驱动力。也就是说这三个要素的发展情况将决定AI的未来发展。那么AI前景到底如何?

研讨会现场,龚怡宏教授为参会者梳理了AI核心动力之一——深度学习神经网络的现状及发展趋势。

973项目首席科学家,西安交通大学龚怡宏教授

龚教授精彩观点分享:

①深度学习神经网络未来发展将出现两大趋势:计算迁移和基于小样本集的学习算法;

网络结构及效率不断优化,面向智能终端的AI处理芯片将出现;

③深度学习神经网络的压缩技术也将不断成熟;

而梁晓峣教授则通过类比GPU(图形处理器)发展历史的形式,分享了AI芯片的演进。

芯片设计专家,上海交通大学梁晓峣教授

梁教授精彩观点分享:

①Moore定律并没有失效,反而是GPU历史上对冲2P的最强武器,而同样的事情也可能发生在人工智能芯片上;

②目前芯片行业正面临行业最大的变数,新晋入局的互联网巨头以及AI新贵们力量足够强大,可能会改变行业格局;

③未来推动先进工艺的未必是Intel或NVIDIA,也许率先在1nm工艺上流片的是Google或者商汤;

两位教授深入浅出的演讲赢得了现场阵阵掌声,听众们纷纷表示受益匪浅。

2智能家电普及要靠芯片定制

作为智能家电行业存在的基础,人工智能芯片的优劣将直接反映在产品性能上,但是芯片研发上的高投入导致智能家电普及缓慢。

如何解决这一问题?智能芯片的上游定制化开发就是重要路径之一。

交互现场

通过芯片定制,人工智能资源方可以为企业提供高性价比的解决方案,在提高开发效率、快速满足用户需求的同时,也使智能家电更快进入千家万户。

海尔始终把用户体验放在第一位,这也是也是海尔智能家电不断前进的动力。

据海尔超前创新中心总监马国军介绍:“通过开放式创新,海尔致力于将电器变成网器, 互通互联,打造开放的创新生态系统。芯片定制作为智能家电的核心,在满足用户个性化需求,主动提供服务,为用户提供最佳体验上发挥着重要作用。”

3标准化推广,海尔义不容辞

实现智能家电的普及化,除了上游定制开发芯片外,还离不开标准化的推广。

而作为AIEC人工智能联盟中唯一的家电企业,海尔对于标准的推广更是义不容辞。为什么海尔会有这种“使命感”?活动现场,海尔超前创新中心总工程师俞国新博士给出了答案。

圆桌会议

用户需求:芯片标准的制定和推广可以让家电更“聪明、贴心”,对海尔来说,这种提升用户体验的工作自然要积极参与。

标准优势:国际、国内标准化领域家电第一的优势,使海尔可以有效推动标准的发布和运行。

平台对接:利用开放创新平台HOPE,海尔可以实时发布芯片研发需求,并通过与资源商的零距离交互,全面承接智能芯片的验证、试用评测等系列工作。

一上午的大咖对话让不少与会者感觉意犹未尽,而从这场研讨会后再出发,未来人工智能芯片标准制定和定制化之路又将走向何方,值得期待。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 人工智能
    +关注

    关注

    1776

    文章

    43845

    浏览量

    230596

原文标题:众创空间交互日DAY2:小芯片里有智能家电普及的大文章!

文章出处:【微信号:haierhope,微信公众号:HOPE开放创新平台】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    FPGA在深度学习应用中或将取代GPU

    神经网络进行任何更改,也不需要学习任何新工具。不过你可以保留你的 GPU 用于训练。” Zebra 提供了将深度学习代码转换为 FPGA 硬件指令的抽象层
    发表于 03-21 15:19

    详解深度学习神经网络与卷积神经网络的应用

    在如今的网络时代,错综复杂的大数据和网络环境,让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年,深度学习逐渐走进人们的视线
    的头像 发表于 01-11 10:51 719次阅读
    详解<b class='flag-5'>深度</b><b class='flag-5'>学习</b>、<b class='flag-5'>神经网络</b>与卷积<b class='flag-5'>神经网络</b>的应用

    浅析深度神经网络压缩与加速技术

    深度神经网络深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似
    的头像 发表于 10-11 09:14 393次阅读
    浅析<b class='flag-5'>深度</b><b class='flag-5'>神经网络</b>压缩与加速技术

    语音识别技术的现状及发展趋势

    现状 1.深度学习技术的应用:近年来,深度学习在语音识别领域取得了显著的进步。特别是循环神经网络
    的头像 发表于 09-28 16:55 1929次阅读

    AI加速器架构设计与实现》+第一章卷积神经网络观后感

    AI加速器架构设计与实现》+第一章卷积神经网络观感    在本书的引言中也提到“一图胜千言”,读完第一章节后,对其进行了一些归纳(如图1),第一章对常见的神经网络结构进行了介绍,举例了一些结构
    发表于 09-11 20:34

    深度学习神经网络架构解析

    感知器是所有神经网络中最基本的,也是更复杂的神经网络的基本组成部分。它只连接一个输入神经元和一个输出神经元。
    发表于 08-31 16:55 847次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>的<b class='flag-5'>神经网络</b>架构解析

    卷积神经网络深度神经网络的优缺点 卷积神经网络深度神经网络的区别

    深度神经网络是一种基于神经网络的机器学习算法,其主要特点是由多层神经元构成,可以根据数据自动调整神经
    发表于 08-21 17:07 2321次阅读

    卷积神经网络是什么?卷积神经网络的工作原理和应用

      卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习神经网络,主要用于图像和视频的识别、分类和预测,是计算机视觉领域中应用最广泛的
    发表于 08-21 17:03 1195次阅读

    卷积神经网络算法的核心思想

    卷积神经网络算法的核心思想 卷积神经网络(Convolutional Neural Network,简称CNN)是一种深度学习算法,是机器
    的头像 发表于 08-21 16:50 878次阅读

    卷积神经网络的基本原理 卷积神经网络发展 卷积神经网络三大特点

    卷积神经网络的基本原理 卷积神经网络发展历程 卷积神经网络三大特点  卷积神经网络的基本原理 卷积神经网
    的头像 发表于 08-21 16:49 1441次阅读

    卷积神经网络原理:卷积神经网络模型和卷积神经网络算法

    一。其主要应用领域在计算机视觉和自然语言处理中,最初是由Yann LeCun等人在20世纪80年代末和90年代初提出的。随着近年来计算机硬件性能的提升和深度学习技术的发展,CNN在很多领域取得了重大的进展和应用。 一、卷积
    的头像 发表于 08-17 16:30 916次阅读

    深度学习基本概念

    深度学习基本概念  深度学习是人工智能(AI)领域的一个重要分支,它模仿人类神经系统的工作方式,
    的头像 发表于 08-17 16:02 1157次阅读

    AI、机器学习深度学习的区别及应用

    深度学习神经网络的区别在于隐藏层的深度。一般来说,神经网络的隐藏层要比实现深度
    发表于 07-28 10:44 325次阅读
    <b class='flag-5'>AI</b>、机器<b class='flag-5'>学习</b>和<b class='flag-5'>深度</b><b class='flag-5'>学习</b>的区别及应用

    浅析三种主流深度神经网络

    来源:青榴实验室1、引子深度神经网络(DNNs)最近在图像分类或语音识别等复杂机器学习任务中表现出的优异性能令人印象深刻。在本文中,我们将了解深度
    的头像 发表于 05-17 09:59 1081次阅读
    浅析三种主流<b class='flag-5'>深度</b><b class='flag-5'>神经网络</b>

    浅析三种主流深度神经网络

    来源:青榴实验室 1、引子 深度神经网络(DNNs)最近在图像分类或语音识别等复杂机器学习任务中表现出的优异性能令人印象深刻。 在本文中,我们将了解深度
    的头像 发表于 05-15 14:20 610次阅读
    浅析三种主流<b class='flag-5'>深度</b><b class='flag-5'>神经网络</b>