这些基础理论都涉及数学、物理学甚至哲学等与 AI 算法和模型之间的联系。深度学习加速器 AI 芯片的商业化已经取得了相当程度的成功，但是 AI 这门新兴技术本身才刚刚起步。也就是说，AI（包括深度学习）的许多机制迄今为止都不是很清楚，DNN 的运行还是一个「黑盒子」，因此以深度学习作为一些关键领域 AI 应用的核心还不能让人完全放心。在一些安全性要求很高的关键应用中，能解释自己在干什么、为什么要这样做，同时能确保特定行为的技术和算法，仍然是一个挑战，需要有深入的理论研究和突破。一旦能够把「黑盒子」变成「白盒子」，从理论上清楚地解释 AI 的所有机制，那一定会产生崭新的 AI 算法，从而催生全新的 AI 芯片架构。
基于这样的算法和基于信息论、统计物理等基础理论而由硬件实现的 AI 芯片，不只在算法上，还将在芯片架构和电路上，颠覆目前的主流深度学习 AI 芯片，达到比现阶段 AI 芯片更高的性能和效率，发挥比现在 AI 芯片更大的作用，从而创造大量新的产业发展机会，引领 AI 向前发展。
（本章节完结）
正在加载...