project師聊AI芯片—談算法不談智能，談實現不談芯片！
IEEE協會首次在京舉辦研討會的時候。中國自己主動化學會副理事長兼秘書長、中科院自己主動化研究所復雜系統管理與控制國家重點實驗室主任王飛躍稱不存在AI芯片。對於這一觀點的爭議非常大，網絡上也是眾說紛紜。
大體上看過一些說法後。當中大多數我覺得更有辯論賽上經常使用的偷換概念的感覺。大家的註意點仿佛並不在AI芯片上，而是在AI這個概念的爭議上。
網上比較常見的智能的定義：
1、首先是最典型的一個現象，差點兒“智能”被當做標簽打滿了各種商品。智能手機、智能電視、智能手環、智能家居，甚至智能掃地機器人、智能洗碗機。所謂智能這個概念仿佛變成了常規的嵌入式設備。
但凡能接入個網絡，WiFi也好ZigBee也罷，能做個簡單的語音控制。簡單的圖像識別，好像就成了人工智能設備。
與其將MCU、NPU、ARM、MIPS、STM32等常規的嵌入式環境的核心芯片作為所謂的智能，我倒還是傳統一點將其理解為嵌入式芯片罷了。
????
2、相對還有一個極端的理解就是既然是“人工”、“智能”。所謂智能不單純是對話和互聯，這樣的說法則是上升到意識層面。“人工”制造的這個“智能”應該擁有自己對事物的理解，擁有自己的思維，而不是簡單的反復和判斷。
????
3、第三個占了不小比重的人群的理解。更是讓我感覺這部分人的理解僅僅是個誤解。
仿佛使用了機器學習算法、神經網絡算法、深度學習算法、貝葉斯算法的，仿佛所有都變成了人工智能。
? ??
這裏也有人為了回避大家在“智能”上偷換概念，提出了強人工智能和弱人工智能概念區分。
強人工智能仿佛成了未來的目標，那我們也就姑且以“弱人工智能”這個概念展開來談。
?
說起來所謂的人工智能熱潮，人工智能寒冬，已經至少是第三次了。
第一次，在20世紀50年代左右。被稱為人工智能之父的約翰麥卡錫創造了lisp語言，也引領了以symbol概念為核心的符號主義人工智能。
????
第二次。在20世紀70年代左右，BP算法的提出，則是引領了一波以神經網絡這個概念為核心的連接主義人工智能。
???
而如今這一波人工智能概念又一次被人們拉出來炒作。則是所謂以機器學習這個概念爆炒。
但單講機器學習這個概念，卻發現不管是蒙特卡洛算法、貝葉斯定理、貝葉斯網絡、NN神經網絡、RNN網絡，還是提出了一個包括多隱層的所謂深度學習，事實上大體上我並沒有見到什麽新奇的面孔。反而都是些幾十年前早都已經在玩的東西。可能唯一的不同是如今的硬件性能遠遠高於從前的硬件性能，FPGA、GPU、ZYNQ等更新奇的設計模型。芯片工藝的大幅提升，讓制作芯片的成本急劇下降。讓從前非常多在數學、在理論上早就玩剩下的東西。能夠在一個更能夠被人所接收的速度和響應環境下工作。
???
這也就提到了上述我的觀點。我們談算法不談智能。所謂強人工智能，確實不是我們現階段能實現的，獲取暫且是連頭緒都沒有的虛無縹緲的目標。
至少人類的認知和意識的模型，我不覺得是如今盛行的神經網絡連接主義的主流想法，將大量數據作為“經驗”堆積出的回歸算法。不管是最大似然預計的思維方式、symbole描寫敘述的方式，還是貝葉斯最大後驗預計的做法，我們與其說做的是智能，不如講我們在使用“看起來比較智能”的算法。
????
就像是馮.諾依曼覺得蒙特卡洛算法，是最接近上帝的思維方式的算法那樣。
一個靠隨機數據堆積的，差點兒不能被稱之為算法的算法，又算得上什麽上帝的思維？
?
有人提出過這樣一個概念。
如今有一個屋子，屋子裏有一個手速極快、查表極快的、全然不懂中文的熟練工。
我們如今向房間裏遞入一張寫了一句中文的句子。這個熟練工在提前準備好的表中查得一句中文紙條，並且傳給屋外的人。他們在這樣的情況下。屋外的人跟屋內的人聊得非常開心。但屋內的人僅僅是在反復工作，他根本不知道紙條上寫的是什麽。
這樣的情況下能否覺得這個熟練工掌握了中文？
????
我覺得這個樣例是一個能夠經典地映射到如今常見的蒙特卡洛算法、最大似然預計、最大後驗預計的思維方式上。蒙特卡洛算法依照大量隨機經驗去評估一個最合理的做法。最大似然預計或者說多元回歸算法，或者由神經網絡描寫敘述的多元回歸算法。也僅僅是基於已有大量經驗數據去評估一個最合理的做法；最大後驗預計模型、貝葉斯算法這樣的，或者貝葉斯網路這樣的。我們依照最直白的方式描寫敘述，盡管能夠評估沒有出現過的狀況。也僅僅是通過已有、已經拆分過的特征概率來做合理性評估。
????
這就像是屋內的那個例行公事的查表熟練工一樣。事實上他什麽都不懂，我們哪怕拿出了所謂大數據下、人工智能下的正確答案。也僅僅是通過算法拿出的答案。並非通過“理解”和“認知”得出的答案。從這個角度來考慮，AI這個概念本就不存在，或者講筆者的個人觀點是Artificial Intelligence中的Intelligence，未免有些狂妄自大。
僅僅是只是是用了些數學家們幾十年前玩剩下的算法，就開始炒作所謂智能。
????
但我們拋開所謂“智能”不談。NN神經網絡、BP神經網絡、貝葉斯公式這些非常easy的統計學公式，事實上在有高性能的硬件和現有的計算機科學的輔助下，超出人類預計的好用。
?
2談實現不談芯片既然是好用的算法模型，也是接下來的主流發展趨勢，我們就暫且不考慮這些用詞細節的問題，在上述三種人工智能的理解中，以我個人覺得是誤解的第三個理解作為立腳點開始向後繼續。
????
這個被王飛躍評價為不存在的AI芯片，只是是上述狹義的機器學習派系中大量算法的不同的實現方式罷了。我們與其去談用硬件作為AI算法載體的芯片是否存在，不如去講是用硬件作為算法載體的芯片是否存在。原本AI算法在上述評估後，也僅僅是與常規的算法本質上無異的“算法”而已，既不是什麽黑科技。也不是什麽新技術。算法能否夠由硬件直接作為載體。而不須要通過軟件這個概念，答案當然是肯定的，原本軟件就是以硬件為載體工作的。那這個意義上的AI芯片當然是存在的。
????
大多提到芯片，仿佛就成了什麽神奇的高科技。但芯片，也就是所謂的集成電路，大規模集成電路，其本質上還是電路本身。僅僅是通過芯片工藝，晶體管技術實現的體積非常小的電路而已。物理學已經幾十年沒有更新過基本理論了，芯片相對於電路這個概念本身，跟高中學過的電路圖，電路元件並沒有本質上的差別。
????
這裏我們將芯片暫且狹義地理解為CPU這個概念的話（包括MCU、GPU、SoC等概念。在實際使用中作為核心處理器這個概念存在的芯片），所謂CPU僅僅是集中了大量好用的電路。並將這些芯片內電路的查詢使用方式，通過控制總線、地址總線、數據總線這些概念上的高低電平，然後將這些高低電平邏輯抽象成匯編手冊這個概念，或者datasheet這些概念，可能有些使用了MMU，還會有虛擬地址映射等概念。但說起來。大體上換湯不換料。
?? ??
近年來炒作最厲害的AI芯片，主要就是NPU這個概念了。這裏NPU作為AI芯片分類，也僅僅是上述第三個對智能的定義的考慮方式。仿佛是我們先將一部分原本就存在的算法劃分成了“人工智能算法”，然後使用了這些算法的芯片就都成了“人工智能芯片”。
原本我們覺得的CPU就是一堆好用的電路的集合。我們將這些經常使用好用的集成電路中加入一個神經網絡算法的實現電路，就成了還有一個噱頭。
????
原本就成熟的芯片設計工藝和技術。加上原本就成熟的所謂“智能算法”的實現。以一個技術含量並不高的方式拼湊出來的新的賣點罷了。
?
總 結
這也僅僅是筆者個人的觀點，我們能夠談一下算法、機器學習概念、最大似然預計、最大後驗預計這樣的統計學算法，談一下神經網絡算法的思維方式、多元回歸曲線和決策樹的設計，我們還是不要談什麽人工智能吧。
講狹義的人工智能我們還能夠談談算法，拿“人工智能”當噱頭那是銷售做的事情。
而至於人工智能AI芯片這個概念，著實沒什麽好談的，以硬件作為載體實現算法，跟爭論用C語言、Python、Keras、Tensorflow、caffe，還是VHDL、VerilogHDL，還是所謂芯片硬件去實現算法一樣。
僅僅是一種算法的實現方式而已。如今的技術除了速度和性能、功耗、算法代碼架構、現有工藝是否存在瓶頸等問題，是設計者須要權衡考慮的事情。
算法的實現什麽時候成為問題了？
?
簡單暢想一下人工智能的未來：
如今這波基於機器學習和深度學習算法引爆的人工智能熱潮，筆者個人不覺得會維持多久。盡管由於硬件和芯片工藝的提升，讓從前因硬件成為瓶頸的問題得到了一定程度的緩解。但哪怕全然攻克了運算速度瓶頸，結合類比上述中文紙條的故事。
我們制造的不是智能，僅僅是將計算機與統計學幾十年前的技術做了一次深度結合罷了，機器學的都僅僅是個樣子。
????
如今吹噓人工智能的比正經寫幾行所謂機器學習代碼的人要多得多，大體上所謂特征提取的人臉識別、語音識別、基於神經網絡算法、基於多項式回歸這些的最大似然預計模型，本質上與從前傳統的圖像處理並沒有什麽差別。僅僅是從前由人工做的規律總結和特征提取工作。我們通過一定程度的算法，其本質還是以蒙特卡洛式的瘋狂嘗試去試錯。得到一個最為近似的回歸曲線罷了。
????
這次掀起了人工智能的熱潮，但人工智能技術的發展本身並沒有出現飛躍。僅僅是按部就班進步罷了。我們整合了大量統計學的公式，以人工智能的名義。高速在常規領域拿出了不少看似喜人的成績。但這樣的本質上沒有技術突破的舊飯新炒，推進了一波以機器學習技術為中心的人臉識別、語音識別、自己主動駕駛等技術應用。也許“機器學習”是“人工智能”的一大支撐。但畢竟“機器學習”並非“人工智能”本身。並且清醒的人們非常快會開始逐步意識到最大似然預計這個模型本身就是有瓶頸的，而如今離這個瓶頸如今已經非常近了。
???
接下來會是算法的時代，但人工智能的寒冬註定會在短期內再次降臨。硬件會是有效的加速輔助工具，但人工智能的核心還會是軟件。
講AI芯片是個偽概念。筆者覺得倒也不算錯。
?
您是怎麽看待這個問題的。歡迎留言討論~
1.除了MDK-ARM和IAR，開發STM32還能夠選擇哪些IDE？
2.特朗普一聲令下：華為中興設備所有換掉！深層原因事實上是。
。。
3.編程界來了一位新寵 ——Julia ！
4.架構師不寫代碼，能行嗎？
5.project師們。 還在糾結35歲這個坎嗎？
__biz=MzA5NTMwMjIwNA==&mid=2650839542&idx=3&sn=c6e9b16be00b71640acfd7ba760df74b&chksm=8bb55ea5bcc2d7b30b077ff0ec14e33c45f193a0b84b4a24c1ae17514c7a5e6fda33e37ec44e&scene=21#wechat_redirect" rel="nofollow" style="color:rgb(87,107,149);">6.這家物聯網企業低調得連官網都沒有，但卻已經服務了上百家品牌企業
免責聲明：本文系網絡轉載，版權歸原作者所有。如涉及作品版權問題，請與我們聯系。我們將依據您提供的版權證明材料確認版權並支付稿酬或者刪除內容。
project師聊AI芯片—談算法不談智能，談實現不談芯片！