展开

关键词

、强、超

文章目录弱(Weak AI)弱也称限制领域(Narrow AI)或应用型(Applied AI),指的是专注于且只解决特定领域问题的。 例如:AlphaGo、Siri、FaceID 等扩展阅读:Weak AI ——WikipediaWeak AI——Investopedia强(Strong AI)又称通用(Artificial General Intelligence)或完全(Full AI),指的是可以胜任类所有作的。 强具备以下力:存在不确定性因素时进行推理,使用策略,解决问题,制定决策的力知识表示的力,包括常识性知识的表示力规划力学习力使用自然语言进行交流沟通的力将上述力整合起来实现既定目标的力扩展阅读 ——Stackexchange超(Super Intelligence,缩写 ASI)假设计算机程序通过不断发展,可以比世界上最聪明,最有天赋的类还聪明,那么,由此产生的系统就可以被称为超

1.4K20

谷歌TPU威胁英伟达?黄仁勋再发长文表示“不以为然”

虽然股价后来又涨了回来,但谷歌可使用自有芯片处理计算任务,还是被业界视为英伟达的潜在威胁。 由于英伟达最近几年的高速增长主要源自领域的发展,如果大客户谷歌不再用英伟达芯片,甚至用自己生产的TPU来提供云服务,对英伟达来说可谓沉重打击。 另外,英伟达还宣布推出开源某些软件。我们希望看到以最快的速度全面普及。别根本没必要投资开发推断用的TPU(谷歌就正在这么做)。 企业可以通过谷歌云计算平台使用英伟达的GPU,他们也在合作共同改进谷歌领导的TensorFlow开源架构性。“类历史上最伟大的科技力量。 我们很希望看到为了推进民主化,推动其快速普及而采取的各种措施。”老黄写道。

540180
  • 广告
    关闭

    腾讯云前端性能优化大赛

    首屏耗时优化比拼,赢千元大奖

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    业界 | 谷歌推出用于物端机器学习的微型新AI芯片

    这种芯片可以用在公司数据中心里,专门负责一些数据处理作。 但是随着物联网的发展和物端计算的需求,现在谷歌正在将他们的计算经验从云端往下搬,推出了新的Edge TPU(边缘计算 TPU)。 Edge TPU是一个体积很小的计算加速器,有了它,物联网设备就拥有处理机器学习任务的力啦! Edge TPUTPU的小兄弟,TPU是谷歌公司用来加速计算的专用处理器,其它消费者够通过买谷歌云服务来使用这项技术。谷歌可不是唯一一个做这样物端芯片的公司。 ARM、Qualcomm 、Mediatek和其它很多芯片厂商都在做自己的加速器,英伟达(Nvidia)的GPUs还是市场上最著名的模型训练芯片。

    17000

    谷歌TPU芯片:AlphaGo背后的神秘力量

    TPU一直是谷歌的秘密武器,皮查伊表示该芯片曾被用于驱动AlphaGo,后者打败了顶级围棋选手李世石。看来,TPU的优越性已经稍有体现了。 皮查伊没有就TPU的具体细节详细阐述,但其博客上提到谷歌已研究TPU超过一年时间,并发现TPU为机器学习提供比所有商用GPU和FPGA更高量级的指令,这基本相当于7年后的科技水平。 过去一年,TPU得到了十分广泛的使用。“如果你使用云语音识别服务,它就会使用TPU的性。如果你使用Android语音识别服务,它也会使用TPU的性,”霍泽尔称。 谷歌TPU通过PCI-E协议连接至计算机服务器,可以快速提升软件的性。霍泽尔称,这是谷歌首次尝试为任务设计专用硬件。 他表示,随着市场的成熟,谷歌“很可”为特定任务开发更多专用处理器。不过,这并不代表CPU和GPU将会被淘汰。

    32250

    谷歌 TPU 的强大与局限:TPUGPUCPU性功耗全面对比

    使用 TPU 代表了谷歌为其服务设计专用硬件迈出的第一步,为特定任务制造更多的专用处理器很可成为未来的趋势。 谷歌“极有可”为特定任务制造更多的专用处理器。 2016年 TPU 消息刚刚公布时,Jouppi 在 Google Research 博客中特别提到,TPU 从测试到量产只用了 22 天,其性技术往前推进了差不多 7 年,相当于摩尔定律 Google应该主要是将TPU应用于云服务,而不会直接出售TPU。对于芯片领域的创业公司来说,不用太担心Google会直接抢饭碗,但是需要密切注意TPU领域带来的新生态。 特别是:需要加速计算。在摩尔定律放缓的时代,加速器提供了深度学习重要的数据处理需求。张量处理是深度学习训练和推理性的核心。

    2.8K100

    -浅谈

    1 浅谈1.1 的概述(Artificial Intelligence),英文缩写为AI。 它是研究、开发用于模拟、延伸和扩展的理论、方法、技术及应用系统的一门新的技术科学是计算机科学的一个分支,它企图了解的实质,并生产出一种新的相似的方式做出反应的机器,该领域的研究包括机器 从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来带来的科技产品,将会是慧的“容器”。可以对的意识、思维的信息过程的模拟。 不是,但那样思考、也可超过。? 1.2 的应用领域随着家电、穿戴设备、机器等产物的出现和普及,技术已经进入到生活的各个领域,引发越来越多的关注。?

    60920

    英伟达CEO手撕谷歌TPU:P80性比它强2倍!

    ,高度赞扬了Google的技术。 以下是老黄的手撕全文谷歌最近发表的TPU论文得出了一个明确结论——如果没有加速计算,就无法扩大的应用范围。如今的经济很大程度上依赖于世界各地的数据中心,而数据中心都在发生快速变化。 这些力都源自一种名为深度学习的技术。深度学习可以通过对海量数据的学习生成一种软件,从而解决语言翻译、癌症诊断无驾驶等各种挑战。的变化正在以我们行业前所未见的速度加速推进。 英伟达尝试改变计算模型的架构已经有一段时间。 他们需要加快作负荷,但却不想投入数十亿美元的建设费,也不想用CPU节点来驱动新的数据中心。没有加速计算,就无法扩大的应用范围。

    42980

    谷歌为机器学习研制专用芯片

    事实上,目前正在使用机器学习技术的谷歌团队有100多个,他们的作内容包含谷歌街景(Street View)、邮箱自动回复(Inbox Smart Reply)以及语音搜索(voice search 该项目的研究成果被称为张量处理单元(TPU),是谷歌研究团队为机器学习定制的一个专用集成电路(ASIC),并针对谷歌第二代学习系统TensorFlow做了优化。 TPU已经在谷歌的很多应用中发挥了作用,其中包括机器学习系统RankBrain,它被用来提高搜索结果与街景的相关性,也可以提高谷歌地图和导航的质量与精度。 围棋程序AlphaGo也是由TPU驱动的。在对阵围棋世界冠军李世石(Lee Sedol)的比赛中,TPU使得它够以更快的速度“思考”,并够在对局中看的更远。 机器学习正在改变开发员开发应用程序,以使得客户和消费者受益的方式。

    43460

    【IO大会】谷歌解密打败李世石武器TPU,可将摩尔定律提速7年

    这一消息进一步印证了面向机器学习专用的处理器是芯片行业的发展趋势,而且企业尤其是使用技术的大企业对“专用芯片”的需求可比芯片制造厂商预计得还要深。 据谷歌 TPU 团队主要负责 Norm Jouppi 在 Google Research 博客中介绍,TPU 专为机器学习应用打造,可以降低精度运算,因而够在同样时间内处理更复杂、更强大的机器学习模型 ,并更快地将这些模型投入使用,用户也得到更快速、更的回复,从而形成一个正循环。 图片来源:nae.edu谷歌基础设施副总裁 Urs Holzle 在发布会上表示,使用 TPU 代表了谷歌为其服务设计专用硬件迈出了第一步,今后谷歌将设计更多系统层面上的部件,随着该领域逐渐成熟 ,谷歌“极有可”为特定任务制造更多的专用处理器。

    46160

    现场|从新一代TPU到Google.ai,详解谷歌IO首日五大亮点

    昨日机器之心对此次大会上将出现的有关和机器学习的内容进行了梳理。机器之心作为谷歌官方受邀媒体来到现场,近距离为大家报道谷歌的最新进展。 从大会主题演讲可以看出,谷歌主要体现在以下五大方面:AI First 的整体战略;TPU 的升级与云服务;集研究、具、应用于一体的 Google.ai ;技术的产品落地;基于安卓和 TensorFlow 在下午的开发者 Keynote 中,谷歌云机器学习与首席科学家李飞飞也表示,每个都可通过谷歌的云平台使用云 TPU,不久之后将会开放租借。? 四、产品及应用谷歌 AI First 战略不仅体现在研究上,还体现在众多技术的应用上——将谷歌的各项技术在产品层面统一起来。 Cloud TPU 是加速部署的基础设施;AutoML 代表着机器学习研究层面的前沿方向;TensorFlowLite 将促进在移动端的部署;语音和图像的结合代表着对多模态机交互的探索

    45490

    ASUS推出业级AI加速卡,发力

    随着企业继续投资利用软件和平台功的项目,预计全球在(AI)系统上的支出将保持强劲的增长轨迹。 根据最近更新的国际数据公司(IDC)发布的《全球系统支出指南》里指出,到2023年,系统的支出将达到979亿美元,是2019年375亿美元支出的两倍半。 同时IDC的专家表示:“(AI)已经远远超越了原型设计,进入了执行和实施阶段。“各行各业的战略决策者现在都在努力解决如何有效地进行AI规划的问题。这也让更多的硬件厂商加入到这个领域,积极布局。 采用双管风扇优化了散热设计,可以让用户在具有PCIe Gen3插槽的现有设备的基础上快速构建AI推理设备,降低用户的投入成本,加快设备改造,快速上线AI应用。这个加速卡的规格如下: ? TensorFlow Lite模型可以编译为在Edge TPU上运行。每个Edge TPU协处理器够使用2瓦功率每秒执行4万亿次操作(4 TOPS)。

    12310

    微软与谷歌的“云计算争霸赛”:才是关键看点

    微软:Project Brainwave但很显然,Google并不是唯一一个对感兴趣,并持有这项技术开发力的巨头。 目前,微软在自己的云平台Azure上已经够为每一个订阅用户提供超过20种不同的认知服务(服务),譬如图像识别与自然语言理解。 总之,对于全球的设计与开发员来说,已经开始对软件开发、应用创建以及Web应用程序设计等领域的变革发挥着关键性作用。 目前,除了持续火爆的“语音助手之战”,离消费者最近的移动应用商店中,也充斥着以技术为支撑的app(拍照、数据收集与筛选);而与此同时,对于那些专门开发尖端软件的开发者来说,也已完全成了一项 因此,为了通过云计算平台将“”这项技术以具和服务的形式“兜售”并触及到更多的,像Google、微软,亦或者是亚马逊这样的公司,就必须保证他们绝不在这场“通用云服务大战”中落得下风。

    40970

    谷歌Edge TPU专用芯片横空出世!抢攻IoT欲一统物联网江湖

    这就意味着,谷歌不仅为在自己的数据中心开发芯片,还打算在将其设计的Edge TPU用在其他公司生产的产品中。两年前谷歌推出了第一代TPU,当时只做推理。 Edge TPU的设计旨在补充谷歌云TPU,因此,你可以在云中加速ML的训练,然后在边缘进行快速的ML推理。你的传感器不仅仅是数据采集——它们还够做出本地的、实时的、的决策。 广泛的应用Edge TPU有非常多的业用例,例如预测性维护、异常检测、机器视觉、机器、语音识别等等。在制造业、内部部署、医疗、零售、空间、交通等领域有广泛应用。 谷歌已经开发了一套套件,包括Edge TPU,NXP芯片和Wi-Fi连接,供开发员试用。 至于占据市场主要份额的亚马逊AWS,凭借其音箱EchoAlexa,已经在终端领域占据了不小的市场。虽然硅谷早有传言,但Edge TPU的推出无疑是谷歌迈进从硬件到用户体验一张套服务的切实一步。

    30120

    Google TPU云可会与英伟达合作

    英伟达首席执行官黄仁勋坚持认为,用于训练机器学习模型的开发具的处理力和云计算力,使得在计算平台和数据框架中无处不在。 黄预测说,这场革命的一个后果将是“AI的寒武纪大爆发”,从数十亿的设备联网设备到无驾驶汽车。 新的TPU是一个四处理器板,被描述为机器学习“加速器”,可以从云访问并用于训练机器学习模型。Google表示,其TPU云可与英特尔的Volta GPU或Skylake CPU混合匹配。 该公司表示,与此同时,谷歌自2015年以来一直在使用其TPU进行深层神经网络的推理阶段。TPU被认为有助于提高各种AI作负载的有效性,包括语言翻译和图像识别程序。 “它越来越多地渗透到从基础设施到具的各个方面,以及产品的生产。”更多关于黄仁勋的话:黄仁勋:透过 GPU 加快运算速度是崭新的运算模型

    430110

    追踪报道:谷歌 TPU 处理器实现 4 大机器学习突破

    作者认为,TPU 使得机器学习过程中的分更加明确,但谷歌近期内不会将其整合到云服务中。结合新元此前的报道,外界虽然认可 TPU 的技术力,但也认为在其在一段时间内仍然会限于谷歌内部使用。 理由1:谷歌对给自己带来独特竞争优势的东西一向秘不示TPU 可以让机器学习模型处理海量作时更快更高效,谷歌为什么要把它拿出来分享或是出售? 外界眼中的 TPU 在早先英伟达程架构副总裁 Marc Hamilton 接受新元采访时就表示,谷歌的 TPU 是一个非常有意思的技术,但 TPU 的发布进一步印证了他们的观点,那就是处理器将继续从通用的 Hamilton 还提到了百度科学家 Bryan Catanzaro 的话:深度学习并不是一个那么窄的领域,从计算角度看,深度学习多样化而且演化迅速;要是制造一款适用于所有深度学习的专用芯片,本质上也就成了 实际上,早在 TPU 推出伊始,TPU 团队主要负责、计算机体系结构领域大牛 Norm Jouppi 就介绍,TPU 专为谷歌机器学习应用 TensorFlow 打造,够降低运算精度,在相同时间内处理更复杂

    43540

    打击

    来源:AI前线本文长度为4000字,建议阅读8分钟随着 AI 技术的发展以及部分滥用,这句话也被应用在了上,一场新的军备竞赛开始了: vs 。 随着 AI 技术的发展以及部分滥用,这句话也被应用在了上,一场新的军备竞赛开始了: vs 。 然而不幸的是,网络罪犯同样也利用创建自己的合成身份,产生的结果也足够真实,足以愚弄发现异常行为的。这场之战——也是打击网络安全欺诈者,正在假新闻、假视频和假音频的战壕中展开。 就这样,一场新的军备竞赛开始了: vs 。Jupiter Research 的 Steffen Sorrell 表示,合成身份是信用卡欺诈“容易实现的目标”。 ,从手动“刷卡”到用创建合成身份。

    31930

    微软、谷歌等巨头争相追逐,芯片成AI的重要战场

    芯片领域,国内有寒武纪、星光一号,国外有IBM真北、谷歌TPU、英伟达,近日微软也加入了这个行列。 在现阶段,们对AI的关注点主要集中在“如何利用算法击败类”,对如何构建新型计算机芯片似乎不怎么感兴趣,要知道数据的收集、分析和传输都离不开芯片。 在芯片领域,国内有寒武纪、星光一号,国外有IBM真北、谷歌TPU、英伟达,近日微软也加入了这个行列。日前,微软公布了芯片制造计划。 去年夏天,全球最大的芯片制造商英特尔收购了一家名为神经科学的芯片初创公司,目前正在开发一种深度学习芯片。 随着越来越多的押注于,芯片领域将成为科技巨头的必争之地。

    33360

    谷歌发论文披露TPU详细信息,比GPU、CPU快15-30倍

    TPU的印刷电路板李杉 编译整理量子位 报道 | 公众号 QbitAI自从Google去年透露自己开发了一款名为TPU的专用芯片,用于提高计算任务的执行效率,关于这种新芯片的猜测就从未停止。 但谷歌和微软等公司还在探索其他类型的芯片,包括FPGA(现场可编程门阵列器件)。 谷歌的项目因为其来源和使用范围而受到关注,该公司程师Norm Jouppi在博客中写道,这套系统已经应用于谷歌图片搜索、Google Photos和谷歌云视觉应用API等服务。 该论文称,一个TPU的片上内存容量达到Tesla K80的3.5倍,而且体积更小。每耗电1瓦的性则高出30至80倍。 谷歌对网络的重视高于很多科技公司,他们2013年就认定这项技术广受欢迎,可以将其数据中心的计算需求扩大一倍。如果完全使用标准芯片,成本将十分高昂,难以承受。

    37640

    【深度】AI 时代,谷歌 TPU 难以颠覆 GPU 市场优势

    【新元导读】时代芯片市场格局一变再变,上周谷歌推出 TPU 引发新的讨论,谁将领跑芯片市场? 两个典型例子:引领处理器市场 40 多年的英特尔 2015 年底收购完 Altera,今年 4 月就宣布计划裁员 1.2 万;另一方面,GPU 巨头英伟达今年 3 月推出加速和深度学习芯片 Tesla 随着尤其是机器学习应用大量涌现,处理器市场群雄争霸。芯片厂商纷纷推出新的产品,都想领跑时代——但问题是,谁会担当这个角色呢? 2015 年新元“3·27”大会,寒武纪 CEO 陈天石作为新创业家特邀嘉宾发表演讲,表示寒武纪要成为“支撑起中国时代的伟大芯片公司”。 ? 英伟达程架构副总裁 Marc Hamilton 在接受新元采访时表示,谷歌的 TPU 是一个非常有意思的技术,但 TPU 的发布进一步印证了他们的观点,那就是处理器将继续从通用的 CPU 转向

    44430

    【深度】AI 时代,谷歌 TPU 难以颠覆 GPU 市场优势

    但是,在协处理市场,随着尤其是机器学习应用大量涌现,芯片厂商纷纷完善产品、推出新品,都想成为时代协处理器的领跑者——但问题是,谁会担当这个角色呢? Jouppi 特别提到,TPU 从测试到量产只用了 22 天,其性技术往前推进了差不多 7 年,相当于摩尔定律 3 代的时间。 有媒体评论称 TPU 不仅为谷歌带来了巨大的优势,也对市面上已有的芯片产品构成了威胁。这后半句话值得商榷。 2015 年新元“3·27”大会,寒武纪 CEO 陈天石作为新创业家特邀嘉宾发表演讲,表示寒武纪要成为“支撑起中国时代的伟大芯片公司”。 ? 英伟达程架构副总裁 Marc Hamilton 在接受新元采访时表示,谷歌的 TPU 是一个非常有意思的技术,但其发布进一步印证了他们的观点,那就是处理器将继续从通用的 CPU 转向 GPU

    44750

    相关产品

    • 人工智能服务平台

      人工智能服务平台

      人工智能服务平台(云智天枢)支持快速接入各种数据、算法和智能设备,并提供可视化编排工具进行服务和资源的管理及调度,进一步通过 AI 服务组件集成和标准化接口开放的方式降低 AI 应用开发成本。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券