AD
首页 > 美食 > 正文

AIAI人工智能开发者大会即将开启,专注于人工智能计算架构和芯片。

[2018-11-09 09:14:19] 来源:http://www.xtmpd.com/ 编辑:xtmpd.com 点击量:
评论 点击收藏
导读:AIIA人工智能开发者大会即将开幕,AIIA计算体系结构和芯片的热点讨论中兴事件的爆发使公众意识到芯片产业发展的迫切需要。近年来,AI芯片已经成为各大科技巨头和创业公司布局的重点。在云起大会上宣布成立一家新的半导体独立公司,平头兄弟。不管是芯片还是

AIIA人工智能开发者大会即将开幕,AIIA计算体系结构和芯片的热点讨论

中兴事件的爆发使公众意识到芯片产业发展的迫切需要。近年来,AI芯片已经成为各大科技巨头和创业公司布局的重点。在云起大会上宣布成立一家新的半导体独立公司,平头兄弟。不管是芯片还是人工智能芯片,今年的演出对他们来说都是独家的,可以说你们在歌颂我。同时它也非常活跃,也给技术研发人员带来了更多的思考。

定于10月15日在苏州举行的2018年AIIA人工智能开发者大会,将交流和讨论人工智能的当前技术、产品开发、商业登陆、工业开发等各个方面。西安交通大学副教授,将在论坛上发表演讲,被邀请分享他对自主代理计算体系结构的新思考。

任鹏居,西安交通大学副教授

解决了不完全观测、复杂场景和开放环境下的Agent交互问题。

任鹏菊说:目前,用于完整观测和简单场景应用的人工智能计算体系结构正在迅速发展并相对成熟。例如,人脸解锁、语音控制芯片等。这种人工智能芯片通常面向完全信息和简单场景的应用。然而,当面对复杂的场景、不完全的观察和更加开放的环境时,智能体的脑芯片处理体系结构的发展远远不能满足应用的需要。R代理以更好地完成任务并在开放环境中与人进行交互。

围绕这一挑战,《面向自主代理的计算体系结构思考论坛报告》将与读者分享研究小组的探索和思考。

众所周知,人工智能芯片的商业登陆应用,如人脸识别和智能扬声器,是基于完整的观察和简单的场景。这种应用的主要特点是Agent需要与环境不断交互,Agent的具体形式可以是无人机、无人机、仿人机器人等,其实质是需要与环境不断交互,其环境更加开放,具有一定的特殊需求。S.

特别地,对于这类应用,Agents的观察是非完整性的。相比之下,解锁iPhone的脸部需要脸部完全显示在屏幕上以便能够识别,并且当发生遮挡时,解锁功能将不能正常工作。然而,在开放环境中,由于传感器安装在智能体上,且受空间限制,很难一次观测到所有的环境信息,特别是当多个智能体在环境中交互时,如何实现高效低延迟的通信和协作是这是AI智能芯片的另一个重要应用。

在2017年科技部发布的新一代人工智能中,郑南宁院士提出,混合增强智能是指将人的角色或认知模型引入人工智能系统,形成一种混合增强智能形式。混合增强型智能(HEI)具有两个核心:一是人在回路中,即整个AI系统的方案设计、服务对象和评价对象都是人,需要人的参与;二是使用人的认知模型。EL用于计算系统中的参考。

正是基于此,面对无人参与的自治系统,我们提出了一种称为认知计算引擎的创新。具体来说,它包括两个关键技术:一是情境理解认知地图的形成和多智能体交互。第二,事件处理和选择性注意机制。

上下文理解的认知图与多Agent交互

如何理解认知地图例如,如果有朋友来找我,我会告诉他从西安交大南门进来。他将参观四原活动中心。沿着活动中心的左边走,他会看到一个T形路口。在西北角,有一个五层的灰色建筑叫做科学博物馆。我的办公室是211。与百度地图相比,我刚才描述的是一个高度概括的语义图。我的朋友们能够很好地理解这张地图,找到我的办公室,我们的团队想要做的就是像认知地图一样有效地表达自然场景,然后通过紧凑的数据结构来表达,然后计算、存储和通信。

事件处理驱动程序与选择性注意机制

以驾驶行为为例,他介绍了事件处理驾驶和选择性注意机制:当司机驾驶汽车时,他需要向右转,所以他需要看右后视镜,因为他担心会有汽车从右后方驶来,这可能会造成影响。这种信息处理的注意过程是任务相关的、由任务决定的潜意识的选择性操作。我们称之为自上而下的选择性注意。另一种选择性注意机制是当驾驶员在驾驶过程中突然从汽车上跳下时,驾驶员的注意力会突然被吸引。目标就是吸引。此时,驾驶员会估计突然的汽车是否会闯入自己的驾驶路径。为了做出相应的判断和行为,这种信息处理的注意过程是处理突发事件和场景变化的过程,我们称之为自下而上的选择性注意。当大脑面对复杂的任务时。大脑总是以最经济、有效的方式管理大脑神经的处理能力、记忆和相关的功能信息传递。

我们认为,选择性注意机制和语义映射都可以更好地分配和调度现有的计算、存储和通信资源,因此,我们希望这种认知计算引擎能够引入到面向代理的计算体系结构的设计中。这将是我们今后的主要工作。

目前,人工智能芯片在发布时往往强调计算数据,在任鹏举看来,这种计算过于强调计算能力,缺乏效率作为指导。他希望探索认知计算模型中相应的人工智能计算体系结构和芯片设计方法,以期以同样的计算能力处理越来越复杂的任务。

最后,在谈到以代理为核心的相关技术和业务应用的融合时,他说,目前的融合状态不是很理想。因为AI有两个公认的挑战,一个是条件,即很难列出所有的先决条件。在一个确定的、相对静态的环境中,可以很好地给出一个动作。在开放的、动态的、交互的环境中,很难做到这一点;另一个是分支问题,即很难列出一个动作的所有效果,尤其是间接效果。无论是人形机器人、康复机器人还是医疗机器人,这些机器人大多是固定的执行轨迹和工程师事先制定的策略。因此,在产量巨大、应用场景相对固定的情况下,如:汽车加工车间的机器人手臂能够很好地完成任务和分配。融合状态不理想,主要原因是相关技术不成熟,因此,目前的智能代理还有很长的路要走。

主编:

为您推荐