ZT: 中国智能芯片引领世界

http://www.guancha.cn/chenyunji/2016_03_12_353731.shtml

陈云霁

中科院计算所研究员

就在全世界媒体的焦点锁定于谷歌AlphaGo连续3盘战胜李世石的同时，中国科学院计算技术研究所陈云霁、陈天石课题组提出的深度学习处理器指令集DianNaoYu被计算机体系结构领域顶级国际会议ISCA2016（International Symposium on Computer Architecture）所接收，其评分排名所有近300篇投稿的第一名。

除了全球首个专门针对深度学习的处理器指令集DianNaoYu，一同问世的还有全球首个深度学习处理器架构寒武纪，相关的产业化工作也已经启动。为了解具体进展，观察者网日前专访了中科院计算所研究员陈云霁。陈云霁研究员出生于1983年，是龙芯首席科学家胡伟武的弟子。陈云霁14岁进入大学，24岁取得计算机博士学位，曾任龙芯3号总设计师，是中国计算机体系结构方面的青年领军人物。在2015年的中国计算机学会（CCF）举行的颁奖大会上，陈云霁以第一顺位荣获2014年度CCF青年科学家奖。同年，入选《麻省理工科技评论》35岁以下的全球最佳35名创新人士。


观察者网：人工智能的思维方式和人类的思维方式有何异同？

陈云霁：目前的人工智能技术比起人来说还是差很多，更多的是面向某个特定的应用，不具备人的通用问题处理的能力。

观察者网：谷歌AlphaGo战胜李世石，为什么能这么厉害，相对于以往的人工智能的进步在哪里？

陈云霁：和以前相比最大的进步就是采用了深度学习（人工神经网络技术），用于围棋中暴力搜索很难处理，或者具有模糊性的价值判断部分。可以认为深度学习技术不是背棋谱，而是在学到过的知识的基础上有所发明有所创造。


观察者网：神经网络系统是以人类大脑为原型的信息处理模式，模拟人类或动物大脑中神经细胞的活动方式。人类大脑是通过神经元和突触完成思考，那么AlphaGo怎么模拟这个过程？

陈云霁：AlphaGo采用的深度学习技术是一种大规模的人工神经网络，是对生物神经元和突触的一种抽象。它把一个个神经元和突触抽象成一个个数字，而这种数字组成的网络在一定程度上保留了人脑进行信息处理的一定的能力。

观察者网：什么是深度学习？

陈云霁：深度学习是一类借鉴生物的多层神经网络处理模式所发展起来的智能处理技术。这类技术已被微软、谷歌、脸书、阿里、讯飞、百度等公司广泛应用于计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并取得了极好的效果。因此，深度学习被公认为目前最重要的智能处理技术。

观察者网：那么现在或者是未来人工智能能够实现像人类一样思考么？

陈云霁：可能做不到，也没有必要。人类的思考方式其实不一定是最好的、最高效的。人类的记忆力、运算能力等都很差，这是由人类思考方式决定的。在这些领域，机器用自己的方式做得远比人好。

观察者网：人工智能有哪些应用？

陈云霁：人工智能目前应用非常广泛，实用的地方很多。比如语音识别，图像识别，自动翻译，广告推荐，数据挖掘等。
但前述的智能多为感知智能，也就是理解外部的输入。更高级的智能如推理想象决策涌现等被称为认知智能。谷歌围棋可能是认知智能方面的突破，可能会带来一系列的这方面的新技术和产品。

观察者网：限制人工智能技术进步的主要因素有哪些？

陈云霁：目前限制智能发展的核心因素两个：一是算法上还没有达到完善，我们对智能计算的过程理解不够。二是硬件。人脑有千亿神经元，百万亿突触构成的复杂网络，而现有芯片和这个还有多个数量级差距。

观察者网：中国有哪些单位在研究人工智能？技术水平和国外差距多大？

陈云霁：中科院和教育部的很多高校，以及讯飞、百度等公司都在进行人工智能研究，且进展还是比较快的。事实上，中国在智能这样的新兴领域和国外差距不大，甚至在智能芯片上是引领世界的。例如我们的寒武纪，美国的哈佛、斯坦福、MIT、哥伦比亚等高校都跟在我们后面做。

观察者网：能对您和陈天石研究员提出的深度学习处理器架构寒武纪做一个简单介绍么？

陈云霁：深度学习的基本操作是神经元和突触的处理，而传统的处理器指令集（包括x86和ARM等）是为了进行通用计算发展起来的，其基本操作为算术操作（加减乘除）和逻辑操作（与或非），往往需要数百甚至上千条指令才能完成一个神经元的处理，深度学习的处理效率不高。因此谷歌甚至需要使用上万个x86 CPU核运行7天来训练一个识别猫脸的深度学习神经网络。
DianNaoYu指令直接面对大规模神经元和突触的处理，一条指令即可完成一组神经元的处理，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持。

观察者网：这个芯片具有通用性，谷歌、FB等公司的人工智能主机都可以使用么？

陈云霁：是的，深度学习是目前最主要的人工智能算法，被广泛应用在图像/视频识别、语音识别、自然语言处理、广告推荐乃至机器人和辅助驾驶中。AlphaGo的成功进一步说明了深度学习能在一些决策和判断问题上发挥重要作用。寒武纪能支持各种不同的深度学习算法，因此能广泛地在各种智能主机和智能终端上发挥作用。当然，我们还再进一步将应用面扩展到更多的智能算法上。

观察者网：模拟实验表明，采用DianNaoYu指令集的深度学习处理器相对于x86指令集的CPU有两个数量级的性能提升。那么，国家有将其市场化的计划么？

陈云霁：我们正在成立寒武纪公司，进行深度学习处理器的产业化，公司即将完成天使轮融资（可能是国内历史上最高估值的天使轮投资）。很多国内外公司都在迫切期待我们的产品。
（采访：铁流 微信公众号：tieliu1988）


http://www.guancha.cn/chenyunji/2016_03_12_353731.shtml

陈云霁

中科院计算所研究员

就在全世界媒体的焦点锁定于谷歌AlphaGo连续3盘战胜李世石的同时，中国科学院计算技术研究所陈云霁、陈天石课题组提出的深度学习处理器指令集DianNaoYu被计算机体系结构领域顶级国际会议ISCA2016（International Symposium on Computer Architecture）所接收，其评分排名所有近300篇投稿的第一名。

除了全球首个专门针对深度学习的处理器指令集DianNaoYu，一同问世的还有全球首个深度学习处理器架构寒武纪，相关的产业化工作也已经启动。为了解具体进展，观察者网日前专访了中科院计算所研究员陈云霁。陈云霁研究员出生于1983年，是龙芯首席科学家胡伟武的弟子。陈云霁14岁进入大学，24岁取得计算机博士学位，曾任龙芯3号总设计师，是中国计算机体系结构方面的青年领军人物。在2015年的中国计算机学会（CCF）举行的颁奖大会上，陈云霁以第一顺位荣获2014年度CCF青年科学家奖。同年，入选《麻省理工科技评论》35岁以下的全球最佳35名创新人士。


观察者网：人工智能的思维方式和人类的思维方式有何异同？

陈云霁：目前的人工智能技术比起人来说还是差很多，更多的是面向某个特定的应用，不具备人的通用问题处理的能力。

观察者网：谷歌AlphaGo战胜李世石，为什么能这么厉害，相对于以往的人工智能的进步在哪里？

陈云霁：和以前相比最大的进步就是采用了深度学习（人工神经网络技术），用于围棋中暴力搜索很难处理，或者具有模糊性的价值判断部分。可以认为深度学习技术不是背棋谱，而是在学到过的知识的基础上有所发明有所创造。


观察者网：神经网络系统是以人类大脑为原型的信息处理模式，模拟人类或动物大脑中神经细胞的活动方式。人类大脑是通过神经元和突触完成思考，那么AlphaGo怎么模拟这个过程？

陈云霁：AlphaGo采用的深度学习技术是一种大规模的人工神经网络，是对生物神经元和突触的一种抽象。它把一个个神经元和突触抽象成一个个数字，而这种数字组成的网络在一定程度上保留了人脑进行信息处理的一定的能力。

观察者网：什么是深度学习？

陈云霁：深度学习是一类借鉴生物的多层神经网络处理模式所发展起来的智能处理技术。这类技术已被微软、谷歌、脸书、阿里、讯飞、百度等公司广泛应用于计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并取得了极好的效果。因此，深度学习被公认为目前最重要的智能处理技术。

观察者网：那么现在或者是未来人工智能能够实现像人类一样思考么？

陈云霁：可能做不到，也没有必要。人类的思考方式其实不一定是最好的、最高效的。人类的记忆力、运算能力等都很差，这是由人类思考方式决定的。在这些领域，机器用自己的方式做得远比人好。

观察者网：人工智能有哪些应用？

陈云霁：人工智能目前应用非常广泛，实用的地方很多。比如语音识别，图像识别，自动翻译，广告推荐，数据挖掘等。
但前述的智能多为感知智能，也就是理解外部的输入。更高级的智能如推理想象决策涌现等被称为认知智能。谷歌围棋可能是认知智能方面的突破，可能会带来一系列的这方面的新技术和产品。

观察者网：限制人工智能技术进步的主要因素有哪些？

陈云霁：目前限制智能发展的核心因素两个：一是算法上还没有达到完善，我们对智能计算的过程理解不够。二是硬件。人脑有千亿神经元，百万亿突触构成的复杂网络，而现有芯片和这个还有多个数量级差距。

观察者网：中国有哪些单位在研究人工智能？技术水平和国外差距多大？

陈云霁：中科院和教育部的很多高校，以及讯飞、百度等公司都在进行人工智能研究，且进展还是比较快的。事实上，中国在智能这样的新兴领域和国外差距不大，甚至在智能芯片上是引领世界的。例如我们的寒武纪，美国的哈佛、斯坦福、MIT、哥伦比亚等高校都跟在我们后面做。

观察者网：能对您和陈天石研究员提出的深度学习处理器架构寒武纪做一个简单介绍么？

陈云霁：深度学习的基本操作是神经元和突触的处理，而传统的处理器指令集（包括x86和ARM等）是为了进行通用计算发展起来的，其基本操作为算术操作（加减乘除）和逻辑操作（与或非），往往需要数百甚至上千条指令才能完成一个神经元的处理，深度学习的处理效率不高。因此谷歌甚至需要使用上万个x86 CPU核运行7天来训练一个识别猫脸的深度学习神经网络。
DianNaoYu指令直接面对大规模神经元和突触的处理，一条指令即可完成一组神经元的处理，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持。

观察者网：这个芯片具有通用性，谷歌、FB等公司的人工智能主机都可以使用么？

陈云霁：是的，深度学习是目前最主要的人工智能算法，被广泛应用在图像/视频识别、语音识别、自然语言处理、广告推荐乃至机器人和辅助驾驶中。AlphaGo的成功进一步说明了深度学习能在一些决策和判断问题上发挥重要作用。寒武纪能支持各种不同的深度学习算法，因此能广泛地在各种智能主机和智能终端上发挥作用。当然，我们还再进一步将应用面扩展到更多的智能算法上。

观察者网：模拟实验表明，采用DianNaoYu指令集的深度学习处理器相对于x86指令集的CPU有两个数量级的性能提升。那么，国家有将其市场化的计划么？

陈云霁：我们正在成立寒武纪公司，进行深度学习处理器的产业化，公司即将完成天使轮融资（可能是国内历史上最高估值的天使轮投资）。很多国内外公司都在迫切期待我们的产品。
（采访：铁流 微信公众号：tieliu1988）