當前位置 >>  首頁 >> 綜合信息 >> 教育動態

教育動態

中科院計算技術研究所李威副研究員分享“深度學習處理器:通向智能之路”

稿件來源: 發布時間:2017-12-18

  2017年12月11日下午1點半,中國科學院計算技術研究所李威副研究員做客微電子學院主辦的“類腦芯片技術與應用專題系列”科學前沿講座,為國科大的學子們帶來了關于“深度學習處理器:通向智能之路”的精彩講座。 

  講座開場,李威老師拋磚引玉:在智能化不斷發展的道路上,巴貝奇問題和布什問題研究出了大量新技術,使計算機已成為人類離不開的基礎設施。接著,老師進一步提出智能的源頭——大腦,因為只有知道智能的源頭,才能知道智能究竟會發展成什么樣。為了讓同學們更進一步詳細了解人工智能的工作原理,李威老師講解了生物神經元和人工神經元的區別,并展示了最簡單的人工神經網絡圖,說明一個神經元能夠處理最簡單的分類工作。 

  接著,李威老師為同學們闡述了人工神經網絡的發展史:1957年的單層感知機,模仿了生物神經元,90年代初深度前饋網絡—卷積神經網絡的出現讓人工智能有了大躍步,卷積神經網絡有三個結構上的特性:局部連接、權重共享以及空間或時間上的次采樣。在場景識別、環境感知、動作識別方面應用廣泛,例如:自動駕駛。與卷積神經網絡沒有反饋,逐層采樣不同,循環網絡通過使用帶自反饋的神經元們能夠處理任意長度的序列,并且有記憶序列的能力,在機器翻譯、圖片描述、視頻標注、視覺問答等方面應用居多。人工神經網絡的里程碑是在2006年研究出了深度學習算法,例如Alpha Go。隨后人工神經網絡更是迅速發展,2014年deepmind團隊提出了神經圖靈機:通用的智能解決方案。 

  隨后,李威老師展示了人工神經網絡當前的發展:從人臉識別、語音識別到策略分析,神經網絡已經達到類人水平。介紹了專門的深度學習處理器:圖形處理器、信號處理器、智能處理器。并著重向大家介紹了寒武紀迄今的三大技術突破:1.通過EDRAM技術及多芯片互聯,保證神經網絡模型完整放置于片上,完全無需訪問內存。2.將片上通訊分成多個小塊,每塊內部包含運算部件、神經元數據、突觸數據,減少90%以上片上通訊時間。3.采用可編程VLIW處理器結構以及靈活的運算部件,支持幾乎所有主流機器學習算法。 

  講座的最后,李威老師闡述了深度學習處理器的優點:幫助我們本地、實時完成各種圖像、語音和文本的理解與識別;更重要的是,在不斷的深度學習后,能夠真正擁有類人級別、或與人接近的智能水平。 

  本次講座李威老師深入淺出的講解了深度學習的原理,算法和應用等,讓同學們對人工智能有了更透徹的理解,使同學們受益匪淺。

 

附件:
彩88官网-官方