我真不是法爷第318章 神经网络

就在林奇沉迷与迟疑于这位神孽以命运之力为他搭建的处理器的接口模块时他却戛然发现脑海里同样在动工的芯片走向了新的篇章。

迥异于他曾经构思的简单CPU芯片模型也并非最近才转变思路的GPU芯片模型。

而是一种更为极端的芯片模型。

AI芯片。

众所周知芯片本身具有多种类型以制程来分的话微机与手机作为消费电子的关键自然分配到的也是最好的消费级芯片像每年各家手机厂商推出的最新款旗舰机如果不搭配上最新的芯片都绝对对不起这个称号。

哪怕这里面有的芯片因为性能而发热严重甚至成本巨大但最新最强这个名头就是不能轻视之不然消费者马上在这一年教做人。

而这些芯片之外剩下的还有不同种类的芯片它们并不需要用到最为先进的5nm制程它们甚至用单片机这些来控制即可包括不限于ARMDSP这类也就是总称的mcu芯片。

它们的制程再高也就28nm级别但却是一笔庞大无比的消耗诸如汽车便是这类芯片的消耗大头最简单两个车窗控制升降都需要更别说自动辅助驾驶等复杂的功能模块。

而AI芯片则是一种在异化之上比GPU走得还要更加极端的芯片类型。

如果是GPU比起CPU而言是需求更加多的ALU单元（算术逻辑单元）。

那么AI芯片则是专门针对AI算法定制的专用芯片所以执行AI算法时能耗更低效率更高。

林奇最初看着这位神孽以“创生圣言”激发他创造效率而萌生的“处理器”模块很快就发现它与寻常芯片结构的不同之处。

像是自动驾驶这个类目寻常的CPU处理器计算则因为运算并非强项所以速度无法满足需要至于GPU芯片倒是满足但是它的成本过高与功耗都动辄超过了消费者承受范围。

这时候专门定制用来贴切这些应用场景的AI芯片便应运而生像是谷歌早期训练阿尔法狗还用的显卡芯片后期便直接用自行研发的AI芯片来训练。

林奇这时才懵懵懂懂的想起来。

AI芯片之所以能够胜出便在于AI算法涉及到的太多卷积、残差网络、全连接类型计算。

而这些计算本质上便是加法和乘法。

类似于林奇曾经接触到的那些法术模型的计算。

要知道一个成熟些的AI算法执行一次它的话动辄便等价于上万亿次加法乘法计算。

而先进些的CPU处理器算上多核一秒钟的计算次数也就几百亿次。

来处理上万亿次便有着时间差距。

可像是谷歌开发的TPU1它一秒钟的计算次数是接近100万亿次。

一秒钟都把上万亿次计算的ai算法执行了上百次了。

如果说GPU是专门从CPU中分离出去处理图像计算那么AI芯片则是专门分离处理AI算法计算。

这一切都源自于深度学习对于神经网络算法的依赖！ 偏偏。

此时的林奇看着这份硬是在自己脑海里建立起来的奇迹已经坑不出半句话来。

说多少那都是多余。

法术模型本身涉及的便是最基本的加法乘法运算。

而林奇最初制定的方案便是日后往人工智能转型却没想到居然还在这儿被硬生生地抬了一个台阶。

此时他重新望着对面的神孽对方满意地看着林奇。

很显然林奇看懂了AI芯片的构造不会让宝珠有蒙尘的一日。

“神经网络！” 神孽萌发出惊天的声音再度席卷林奇耳膜。

而他的脑海里也戛然间重新组织起所有关于这个算法的一切资料并且再度结合上因为知晓而回报的部分。

像某不可名之物最初出来的时候是CPU在挖到如此都是专门定制的矿机而这些矿机便是用的AI芯片。

ACIS（AI芯片）在计算领域算是从CPU与GPU的大幕围剿里杀了出来。

林奇撇了撇嘴。

法术。

魔法。

法术模型。

论怎样的施法最可靠自然是教会处理器自己来完成整套施法流程。

外在的PID处理整体秘能场参数问题内在的则是AI芯片处理法术模型的计算问题。

人。

根本就不应该存在于这个环节里。

而让芯片学会施展魔法只是第一步。

第二步是让芯片学会抉择！ 人类的反应已经证明无法小于0.1秒所以短跑认为反应速度超过这个就是抢跑。

然而面对瞬息万变的法术战斗林奇如果想着1V1的单挑那么靠他自己一个确实够了。

可如果想着是成为法术战里的万人敌那么他也更需要一套自动的法术应答机制。

这也是无数法师需要事先针对接下来战斗指定法术战方案的原因因为他的思维已经无法支撑毫秒级响应的战斗只能够制定更为全面的计划然后将其嵌入本能之中。

小主这个章节后面还有哦请点击下一页继续阅读后面更精彩！。

本文地址我真不是法爷第318章 神经网络来源 http://www.tongchengmai.net