完成芯片复兴大业，AI能否抗此重任？

人工智能(AI)革命才刚刚起步，很快地将会需要各种更强大的半导体。

在近日于美国加州举行的国际固态电路会议(ISSCC)上，来自机器学习、计算机视觉和神经科学等领域的先驱——Yann LeCun在一场专题演讲中告诉3,000名芯片设计师，当今监督式的神经网络正取得了广泛应用，但却受限于人类创造者启动的过程。

被誉为“卷积神经网络(CNN)之父”的Yann LeCun说：“我认为，AI的未来是一种自我监督的学习过程。”CNN目前已广泛用于计算机视觉和其他系统。

“生成对抗网络”(Generative adverserial networks;GAN)可望成为一种让系统自行预测的技术。LeCun展示了几个GAN用于设计时装和引导自动驾驶车的实际例子。

卷积神经网络(CNN)之父Yann LeCun在ISSCC发表专题演说

非监督式神经网络超越MAC、张量运算

未来的算法将会需要更大的模型，从而要求当今性能原已有限的芯片提供更强大的功能。明日的神经网络将使用动态的不规则图形等新的基本原型，从而变得更动态和稀疏。

对于算法设计人员正着手开发中的新型运算而言，当今使用乘法累加数组来处理张量的芯片可能没什么用处。他预期，对于嵌入式系统而言，各种低成本、低功耗的推论加速器将会是最大的机会。

LeCun和其他专家在去年提出的算法，它在每个特征级都使用预测变量(来源：ISSCC)

LeCun从1988年开始在AT&T的贝尔实验室(Bell Labs)设计神经网络系统，并开发了一套广泛使用的银行系统，可用于读取支票。他在1989年撰写了有关系统CNN的第一篇论文。LeCun说：“如今，CNN将无处不在，”其中包括汽车、摄影机和机器人。Lechun目前并在Facebook进行AI研究。

自从1950年代开始以来，该技术已经经历了两次神经网络寒冬。在最后一次之后，LeCun曾经协助设计了一款基于FPGA的机器人引导系统，但该系统在2011年的一场会议中遭拒。

他仍打趣地说：“大多数人都不相信从未听说过的系统也可能顺利工作。”