0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

AI核心動(dòng)力之深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的現(xiàn)狀及發(fā)展趨勢(shì)

HOPE開(kāi)放創(chuàng)新平臺(tái) ? 2017-12-01 09:48 ? 次閱讀

11月30日,由海爾開(kāi)放創(chuàng)新平臺(tái)HOPE、模塊商資源平臺(tái)海達(dá)源主辦的第33屆眾創(chuàng)空間模塊商方案交互日精彩繼續(xù)!

今天交互日圍繞人工智能芯片標(biāo)準(zhǔn)及定制進(jìn)行研討,973項(xiàng)目首席科學(xué)家,西安交通大學(xué)龔怡宏教授、芯片設(shè)計(jì)專(zhuān)家,上海交通大學(xué)梁曉峣教授以及AIEC人工智能聯(lián)盟專(zhuān)家紛紛助陣,通過(guò)主題演講和圓桌論壇等形式,不斷將研討會(huì)氛圍推向高潮。

01聽(tīng)專(zhuān)家講AI未來(lái)走向何方

人工智能早已被捧上風(fēng)口,其中算法、數(shù)據(jù)和計(jì)算能力是核心驅(qū)動(dòng)力。也就是說(shuō)這三個(gè)要素的發(fā)展情況將決定AI的未來(lái)發(fā)展。那么AI前景到底如何?

研討會(huì)現(xiàn)場(chǎng),龔怡宏教授為參會(huì)者梳理了AI核心動(dòng)力之一——深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的現(xiàn)狀及發(fā)展趨勢(shì)。

973項(xiàng)目首席科學(xué)家,西安交通大學(xué)龔怡宏教授

龔教授精彩觀點(diǎn)分享:

①深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)未來(lái)發(fā)展將出現(xiàn)兩大趨勢(shì):計(jì)算遷移和基于小樣本集的學(xué)習(xí)算法;

網(wǎng)絡(luò)結(jié)構(gòu)及效率不斷優(yōu)化,面向智能終端的AI處理芯片將出現(xiàn);

③深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的壓縮技術(shù)也將不斷成熟;

而梁曉峣教授則通過(guò)類(lèi)比GPU(圖形處理器)發(fā)展歷史的形式,分享了AI芯片的演進(jìn)。

芯片設(shè)計(jì)專(zhuān)家,上海交通大學(xué)梁曉峣教授

梁教授精彩觀點(diǎn)分享:

①M(fèi)oore定律并沒(méi)有失效,反而是GPU歷史上對(duì)沖2P的最強(qiáng)武器,而同樣的事情也可能發(fā)生在人工智能芯片上;

②目前芯片行業(yè)正面臨行業(yè)最大的變數(shù),新晉入局的互聯(lián)網(wǎng)巨頭以及AI新貴們力量足夠強(qiáng)大,可能會(huì)改變行業(yè)格局;

③未來(lái)推動(dòng)先進(jìn)工藝的未必是Intel或NVIDIA,也許率先在1nm工藝上流片的是Google或者商湯;

兩位教授深入淺出的演講贏得了現(xiàn)場(chǎng)陣陣掌聲,聽(tīng)眾們紛紛表示受益匪淺。

2智能家電普及要靠芯片定制

作為智能家電行業(yè)存在的基礎(chǔ),人工智能芯片的優(yōu)劣將直接反映在產(chǎn)品性能上,但是芯片研發(fā)上的高投入導(dǎo)致智能家電普及緩慢。

如何解決這一問(wèn)題?智能芯片的上游定制化開(kāi)發(fā)就是重要路徑之一。

交互現(xiàn)場(chǎng)

通過(guò)芯片定制,人工智能資源方可以為企業(yè)提供高性?xún)r(jià)比的解決方案,在提高開(kāi)發(fā)效率、快速滿(mǎn)足用戶(hù)需求的同時(shí),也使智能家電更快進(jìn)入千家萬(wàn)戶(hù)。

海爾始終把用戶(hù)體驗(yàn)放在第一位,這也是也是海爾智能家電不斷前進(jìn)的動(dòng)力。

據(jù)海爾超前創(chuàng)新中心總監(jiān)馬國(guó)軍介紹:“通過(guò)開(kāi)放式創(chuàng)新,海爾致力于將電器變成網(wǎng)器, 互通互聯(lián),打造開(kāi)放的創(chuàng)新生態(tài)系統(tǒng)。芯片定制作為智能家電的核心,在滿(mǎn)足用戶(hù)個(gè)性化需求,主動(dòng)提供服務(wù),為用戶(hù)提供最佳體驗(yàn)上發(fā)揮著重要作用。”

3標(biāo)準(zhǔn)化推廣,海爾義不容辭

實(shí)現(xiàn)智能家電的普及化,除了上游定制開(kāi)發(fā)芯片外,還離不開(kāi)標(biāo)準(zhǔn)化的推廣。

而作為AIEC人工智能聯(lián)盟中唯一的家電企業(yè),海爾對(duì)于標(biāo)準(zhǔn)的推廣更是義不容辭。為什么海爾會(huì)有這種“使命感”?活動(dòng)現(xiàn)場(chǎng),海爾超前創(chuàng)新中心總工程師俞國(guó)新博士給出了答案。

圓桌會(huì)議

用戶(hù)需求:芯片標(biāo)準(zhǔn)的制定和推廣可以讓家電更“聰明、貼心”,對(duì)海爾來(lái)說(shuō),這種提升用戶(hù)體驗(yàn)的工作自然要積極參與。

標(biāo)準(zhǔn)優(yōu)勢(shì):國(guó)際、國(guó)內(nèi)標(biāo)準(zhǔn)化領(lǐng)域家電第一的優(yōu)勢(shì),使海爾可以有效推動(dòng)標(biāo)準(zhǔn)的發(fā)布和運(yùn)行。

平臺(tái)對(duì)接:利用開(kāi)放創(chuàng)新平臺(tái)HOPE,海爾可以實(shí)時(shí)發(fā)布芯片研發(fā)需求,并通過(guò)與資源商的零距離交互,全面承接智能芯片的驗(yàn)證、試用評(píng)測(cè)等系列工作。

一上午的大咖對(duì)話(huà)讓不少與會(huì)者感覺(jué)意猶未盡,而從這場(chǎng)研討會(huì)后再出發(fā),未來(lái)人工智能芯片標(biāo)準(zhǔn)制定和定制化之路又將走向何方,值得期待。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1791

    文章

    47282

    瀏覽量

    238534

原文標(biāo)題:眾創(chuàng)空間交互日DAY2:小芯片里有智能家電普及的大文章!

文章出處:【微信號(hào):haierhope,微信公眾號(hào):HOPE開(kāi)放創(chuàng)新平臺(tái)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型

    深度學(xué)習(xí)近年來(lái)在多個(gè)領(lǐng)域取得了顯著的進(jìn)展,尤其是在圖像識(shí)別、語(yǔ)音識(shí)別和自然語(yǔ)言處理等方面。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一個(gè)分支,因其在圖像處理
    的頭像 發(fā)表于 11-15 14:52 ?343次閱讀

    深度神經(jīng)網(wǎng)絡(luò)在雷達(dá)系統(tǒng)中的應(yīng)用

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNN)在雷達(dá)系統(tǒng)中的應(yīng)用近年來(lái)取得了顯著進(jìn)展,為雷達(dá)信號(hào)處理、目標(biāo)檢測(cè)、跟蹤以及識(shí)別等領(lǐng)域帶來(lái)了革命性的變化。以下將詳細(xì)探討深度神經(jīng)網(wǎng)
    的頭像 發(fā)表于 07-15 11:09 ?736次閱讀

    簡(jiǎn)單認(rèn)識(shí)深度神經(jīng)網(wǎng)絡(luò)

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)作為機(jī)器學(xué)習(xí)領(lǐng)域中的一種重要技術(shù),特別是在深度學(xué)習(xí)領(lǐng)域,已經(jīng)取得了顯著的
    的頭像 發(fā)表于 07-10 18:23 ?1032次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)在視頻處理中的應(yīng)用

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)作為深度學(xué)習(xí)的代表算法之一,在計(jì)算機(jī)視覺(jué)領(lǐng)域取得了顯著成就,特別是在視頻處理方面。本文將深入探討卷積神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-09 15:53 ?642次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的
    的頭像 發(fā)表于 07-04 14:24 ?1301次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時(shí),我們需
    的頭像 發(fā)表于 07-04 13:20 ?876次閱讀

    深度神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法

    結(jié)構(gòu)的構(gòu)建,還包括激活函數(shù)的選擇、優(yōu)化算法的應(yīng)用、正則化技術(shù)的引入等多個(gè)方面。本文將從網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、關(guān)鍵組件選擇、優(yōu)化與正則化策略、以及未來(lái)發(fā)展趨勢(shì)四個(gè)方面詳細(xì)探討深度神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方
    的頭像 發(fā)表于 07-04 13:13 ?472次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的是什么

    、訓(xùn)練過(guò)程以及應(yīng)用場(chǎng)景。 1. 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 卷積神經(jīng)網(wǎng)絡(luò)的定義 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋深度學(xué)習(xí)模型,其
    的頭像 發(fā)表于 07-03 09:15 ?412次閱讀

    深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    到自然語(yǔ)言處理,深度學(xué)習(xí)和CNN正逐步改變著我們的生活方式。本文將深入探討深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的基本概念、工作原理及其在多個(gè)領(lǐng)域的應(yīng)用,并
    的頭像 發(fā)表于 07-02 18:19 ?914次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    化能力。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域的重要技術(shù)之一。卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)
    的頭像 發(fā)表于 07-02 14:24 ?4019次閱讀

    深度神經(jīng)網(wǎng)絡(luò)模型cnn的基本概念、結(jié)構(gòu)及原理

    ,其核心是構(gòu)建具有多層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型,以實(shí)現(xiàn)對(duì)復(fù)雜數(shù)據(jù)的高效表示和處理。在眾多深度學(xué)習(xí)模型中,卷積神經(jīng)網(wǎng)絡(luò)(CNN)因其在圖像識(shí)別等領(lǐng)域
    的頭像 發(fā)表于 07-02 10:11 ?9750次閱讀

    深度神經(jīng)網(wǎng)絡(luò)模型有哪些

    、Sigmoid或Tanh。 卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN): 卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)中最重
    的頭像 發(fā)表于 07-02 10:00 ?1437次閱讀

    神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些

    神經(jīng)網(wǎng)絡(luò)架構(gòu)是機(jī)器學(xué)習(xí)領(lǐng)域中的核心組成部分,它們模仿了生物神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式,通過(guò)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)信息的處理、存儲(chǔ)和傳遞。隨著
    的頭像 發(fā)表于 07-01 14:16 ?716次閱讀

    利用深度循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)心電圖降噪

    具體的軟硬件實(shí)現(xiàn)點(diǎn)擊 http://mcu-ai.com/ MCU-AI技術(shù)網(wǎng)頁(yè)_MCU-AI 我們提出了一種利用由長(zhǎng)短期記憶 (LSTM) 單元構(gòu)建的深度循環(huán)
    發(fā)表于 05-15 14:42

    詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    在如今的網(wǎng)絡(luò)時(shí)代,錯(cuò)綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境,讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年,深度學(xué)習(xí)逐漸走進(jìn)人們的視線
    的頭像 發(fā)表于 01-11 10:51 ?2055次閱讀
    詳解<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>、<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>與卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的應(yīng)用