wiki

9月17日下午,西井科技正式对外在其WIKI系统中演示了“片上学习”过程。从当前的全球市场来看,机器学习主要还是通过“在线学习”技术来实现提升的,即用大规模高性能计算平台进行模型训练,然后将训练好的模型再直接部署在硬件中实现产品的优化升级。目前该技术已经广泛应用到AI领域,并且在视觉和大数据分析上取得了有效的突破。

那么为什么西井科技还要研发“片上学习”技术呢?对此,西井科技CEO谭黎敏表示,只要实现这一技术,机器就能直接在硬件上完成学习与测试,进而让基础算法的研发迭代,产品的升级有着更短的周期和更高的效率,并且消耗更少的能源。在应用场景上,无论是移动智能终端、家用智能终端还是大数据服务器领域,该技术都有着其优越性。

总的来说,相对于以往的“在线学习”技术,“片上学习”有着如下四大优势,即“无网络”下自主学习、低耗能低且运算速度快、可本地化处理数据、计算机小型化成为可能。

wiki

用谭黎敏的话来表示,“片上学习”,就好像学生身边时刻跟随着一位“私教”,直接在芯片上边学习就可边测试训练成果,而“在线学习”则好比学生定期去“学校”上课,回家后做作业来测试学习效果。

其实谷歌的AlphaGo就是“在线学习”的典型,在今年与李世石比赛时,AlphaGo的服务器在美国中西部,通过谷歌云服务连接到韩国首尔的对局室,谷歌总部团队必须确保AlphaGo与谷歌的服务器连接顺利。换而言之,如果没能连接到服务器,那AlphaGo就会有致命的问题,完全无法运转。这也是“片上学习”解决的痛点之一。

在运算效率上,“片上学习”算法并不是存储在云端或者后台服务器上,而是在芯片上直接实现本地化学习,减少了运算转化、数据传送造成的延迟,在提升运算能力的同时也减少了耗能。由于以往进行的快速运算需要搭建庞大的后台体系,就比如波士顿动力的人形机器人,有着强大的算法,但是想要要满足这一算法的生成,就需要它背着电池,身上插满数据线。其体量之大可想而知。“片上学习”则是集成在一小块芯片里,直接在硬件端完成学习就可以。

wiki

而本次西井科技主要给演示的是“片上”自主学习画风分类。现场上工作人员点击了几种画风后,通过机器在硬件端的几秒学习。其再给出任意的图片,机器就可以开始对图片的画风进行分类。然而并没有一次就是百分百的识别到位,现场上还是有着些许误差。据介绍,该识别运算也是向孩子一样由无知到已知,但是学习的速度确不是人类可比拟的。最终,几秒钟后它的识别率就逐步开始提高到接近100%。

整体来看,“片上学习”的确有着其优越性,但是我们也知道,早在1990年开始就有将算法要嵌入硬件的理论研究,但始终是发展缓慢。该门槛之高,还需要时间去跨越。最后,谭黎敏也表示,强人工智能时代的到来还有距离,“片上学习”技术也只是走出其中的一小步,未来还将继续深化技术的研发。但未来,无论是智慧城市分析还是大数据深度挖掘,都将会推动AI领域的发展。