導讀:網站搭建網站搭建 今年初谷歌AlphaGo與圍棋冠軍李世石的人機大戰，讓人們對人工智能的關注度提升到了前所未有的高度，正所謂“外行看熱鬧、內行看門道”，建站技術論壇建站技術網。

 今年初谷歌AlphaGo與圍棋冠軍李世石的人機大戰，讓人們對人工智能的關注度提升到了前所未有的高度，正所謂“外行看熱鬧、內行看門道”，AlphaGo獲勝的背后離不開谷歌開發的深度神經網絡，而這正是人工智能機器學習當中重要的組成部分。 AlphaGo在對戰時，是采用一種“在線學習”(On-Line Learning)的模式，意思就是說AlphaGo的服務器在美國中西部，通過谷歌云服務連接到韓國首爾的對局室，谷歌總部團隊必須確保AlphaGo與谷歌的服務器連接順利， 在機器學習領域，除了這種目前較為主流的“在線學習”，還有一種效率更高并且直接在硬件端完成機器學習的方式——片上學習，簡單講就是字面所傳達的意思，在芯片上進行機器學習。 在了解“片上學習”之前，我們有必要回顧一下計算機的工作結構。 幾十年前，美籍匈牙利科學家馮·諾依曼曾提出了以自己名字命名的“馮·諾依曼體系”，這種體系結構下，計算機的指令和數據采用0和1的二進制，處理任務按照固定程序順序進行，也就是所謂的“串聯”。 而人腦處理事情為“并聯”模式，人類可以同步處理看到、聽到的內容，并且基于人類的“自我學習”能力，完成一次判斷。比如，心智正常的人，面對一本雜志與一份報紙，可以在一瞬間分辨出來，這是人類大腦內的視覺圖像信息神經元、邏輯思維判斷神經元與人類“自我學習”能力，在一瞬間里“并行”作業的結果。 “馮·諾依曼體系”沿用了半個世紀，但在接下來的人工智能時代，計算機需要盡可能地模擬人類大腦神經元和突觸處理信息的方式，如視覺、聽覺，隨后，接受到的信息、圖片和聲音又能改變神經元之間的聯系，這整個過程織夢模板網就是機器學習的過程。 機器學習的過程只有通過神經網絡的計算才能實現，為了處理神經網絡所帶來的指數級數據增長，人們開始研發專門的芯片，才有了后來的“片上學習”。 “片上學習”的進化歷程 從全球范圍內來看，已有多家公司致力于“在線學習”的算法研究，在視覺、聲音、大數據等領域人工智能均有一些落地的案例，相比之下“片上學習”在嚴苛的硬件環境中依舊研究進展緩慢。 比如IBM的TrueNorth項目，這個以神經形態工程學設計的CMOS芯片，包含了4096個硬件核心，每個核心包含256個可編程的神經元芯片，擁有超過100萬的神經元。

關鍵詞標簽: 谷歌 深度 神經網絡