回到酒店,王一男打开随身携带的笔记本电脑,启动Freeind,开始整理自己的шщЩ..1a
人工智能是当前的热点,而神经网络又是热点中的热点,但是除了极少数领域,比如说车牌识别,或者极少数个例,比如说米歌的围棋狗以外,在实践中很少看到具体的应用案例。
造成这种情况的原因很简单,那就是神经网络对硬件的依赖性,在普通的8电脑或者基于AR芯片的手机上不是不能运行神经网络,但是运行的效率绝对会让你发狂。
还有神经网络那庞大的数据量,全部装到手机里面几乎是不可能的。
所以,目前的神经网络应用是极度依赖硬件的,这也就限制了它的应用范围,反正你记住,在普通的手机上几乎跑不起来一个实用的神经网络就对了。
但是有了王一男的新发现和新技术就完全不一样了,对样本的整理和训练这一步没有捷径可言,老老实实的在专用硬件上花很长时间进行就好了,这也不是问题的焦点所在。
但是一旦训练完成,神经网络稳定之后,王一男就可以利用一系列的数学工具,以及形式化技巧,根据神经网络的类型,对庞大的神经网络数据进行分块的指令化。
简单的理解,可以认为将神经网络这种多层迭代的运行方式,映射成普通冯诺依曼机器的运行方式。
具体而言,比如说对于其中/8的神经网络分块,映射为一种通用的冯诺依曼机器指令,比如说,JAVA或者LLV的字节码吧。
你可以认为王一男找到一种编译方法,可以将神经网络的数据,编译成一种通用的字节码,再利用现成的JIT技术,或者LLV的编译技术,得到可执行的P或者手机程序。
最后,再将所有的分块组合起来,就能得到任何训练后的神经网络,在P或者手机上的编译版本。
也就是说,制约人工智能发展的最大的障碍,硬件的限制现在完全不存在了,只要在专用的硬件上用足够的样本训练出符合要求的神经网络,然后利用王一男的技术,就能够将这个训练好的神经网络编译到普通的P甚至手机上,从而得到一个可以完成同样任务的手机APP。
我再举一个具体的例子,大家就明白了,目前哥鲲鹏通过训练,学会了如何最高效率的飞行,但是它没办法直接教给人类怎么飞行,而且又不能将哥鲲鹏带上天,直接让它指挥飞机怎么飞。
所以现在王一男和杨总师采用的方法是,自己编写飞控软件,然后让哥鲲鹏来找到里面的缺陷,经过多次迭代来改进人类编写的飞控软件,从而获得质量不错的飞控软件。
有了王一男的新技术,现在可以直接将哥鲲鹏的神经网络,编译到飞控计算机的指令集,比如说Al
请收藏:https://m.bqgpa.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)