收到熱騰騰的新書啦~ 感謝商周出版社。跟大家分享一下這本書的作者自序。
.
PS:因為疫情的關係,不會有見面會或簽書會等活動,但大家還是可以買書來晴康找我簽名喔。
.
【邀請自然醫學醫師進駐你的家】自序
.
提起「健康」,許多人第一個念頭聯想到的就是不生病;因此,只要離醫院和醫師越遠,彷彿就等於自己是處於健康的狀態。然而,如果不想進出醫院,那麼就不得不重談「預防勝於治療」的老話;或者要請問,各位讀者是否真的有在日常生活中,落實保健養生、追求身心靈平衡的生活態度呢?
.
在台灣,只要提到自然醫學,似乎就聯想到健康食品;或是「中醫+營養學=自然醫學」的概念,這讓我感到相當的遺憾與無奈。自然醫學的領域是何其豐富淵博,但是台灣民眾接觸到的資訊實在是太少。美國國家衛生研究院(NIH)近年來每年編列給國家輔助與另類醫療中心(NCCAM)的研究預算,都在總預算的百分之四十左右,顯示出美國對主流醫學以外療法的重視性。而正統自然醫學目前在台灣推廣的難度,就好比台灣要加入WHO一樣,如此艱辛與尷尬的處境,更是令我感慨萬千。
.
因此,作者在下我——Dr. Wang能做的,就是從多年臨床與學術經驗中擷取最精華、又能落實於生活中的部分,彙整成這一本書,希望帶書回家的讀者能夠像聘請一位私人專屬的自然醫學醫師一樣,時時刻刻常保對健康的想望與自我提醒——其實,這和自然醫學的論點是非常相契的,因為雖然身為一個自然醫學醫師,但我始終相信,真正的健康或治療並不是只存在於「醫院」的活動,而是讀者或病人是否能從生活中真正貼近自然醫學,進而常保健康。
.
於是,我把本書的核心設定在「自然醫學居家保健DIY」——尤其是「居家性」。乍看之下主題雖簡單明瞭,但是在實際上,搜尋資料跟寫作的過程卻是困難重重。因為自然醫學博大精深(廣義的自然醫學是「非西醫的任何處方或療法」都可納入之),而且近年台灣陸續可見許多自然療法相關的書籍,內容大多過於廣博又精深,讓人不知從何讀起,更別提到在生活中落實的可行性。因此,寫這本書過程中最大的困難,不外乎如何篩選出實用、又方便居家施行的療法,過於複雜或是材料難覓、在施行上較困難的藥草或食療,在這邊只好遺珠了,目的就是不希望本書為了周全而失焦,反而讓讀者更難貼近自然醫學。
.
而本書除了提供人人都可在家嘗試的簡易保健良方外,也搭配了自然醫學的入門介紹,以及自然醫學相關的原理、哲學與思考。其中我分享最多的不外自然醫學最特別且獨有的臨床經驗——「好轉反應」現象,目的是希望大家能建立正確的自然醫學知識來保護與幫助自己。
.
以一個自然醫學醫師的角度來看,我只是很單純地希望透過這一本書能讓自然醫學從醫院走進你我的家中,讓讀者在最自然並且經濟的情況下,可以自己做基本的居家保健處理。另外,我也在在考慮到中文讀者的閱讀便利性,捨棄外文書以症狀英文字母的排列法,改以療法的分類直接帶領大家認識自然醫學;文筆上也力求輕鬆易懂,因為,我認為專業並非建立在艱澀難懂的文字之上,也不需要把生理學課本裡的內容照本宣科地抄寫過來。寶貴的專業知識可以透過輕鬆的方式來學習,而最終的目的仍是希望讀者能真正吸收、了解,並且樂於接近自然醫學。
.
承蒙商周出版社藍萍姊的抬愛,讓我有機會可以推出自己的第一本談自然醫學的書給全世界的華人。當然,變化萬千的當下,無論醫學與科技的新知都是瞬息萬變,今天獲得肯定、認同的情報,到了明天就未必仍是王道;更何況在自然醫學的領域,每個好的醫師皆各有所長,在臨床上的經驗跟洞見可能不一定全然相同,但卻都是獨特且尊貴的。
.
由於我本身在醫界還算後輩,雖分享了在當下個人認為最切確的自然醫學資訊與個人臨床經驗,但是也非常歡迎對自然醫學有興趣的朋友們,大家共同來切磋研究、成長,讓自然醫學能夠更發揚光大。
.
最後,我必須提醒各位讀者,本書所提供的檢測和保健之道,並不能完全取代主流醫學,當你有所急症或其他應該看醫生的情況,還是要乖乖上醫院報到喔!
.
感謝
.
這本書能夠順利完成,要特別的感謝以下幾位:
.
感謝美國國寶級自然醫學醫師、巴士底爾(Bastyr)大學創校校長Dr. Joseph Pizzorno對我的期許與厚愛。
.
感謝我在CCNM所有的老師們所提供的教材與資料。
.
感謝我在CCNM的同學以及好友Dr. Irene Karatzas, N.D.、Dr. Eva Kresz, N.D.、Dr. David Shih, N.D.(石佳弘醫師),還有來自橋港大學的學妹Dr. Hsin-Ping Tsai, N.D.(蔡昕玶醫師),幫助我在資料上的搜尋與完整。
.
特別要感謝的是李德初醫師、游敬倫醫師與石佳弘醫師百忙中還幫本書監修,讓書中的內容更加的完善與完整。感謝幫我寫推薦序的李德初醫師、游敬倫醫師、黃如玉醫師、歐忠儒博士,和推薦本書的江守山醫師以及連永祥中醫師。
.
還要感謝藝人朋友—邰智源的推薦,謝謝邰哥從我讀高中時一直以來給我如兄長般的的支持。
.
同時也要感謝我的病人們,給我寶貴的臨床經驗。
.
感謝名作家貓眼娜娜,在寫書的過程中給我中文修飾用詞上面的幫助,讓這本書更容易閱讀。
.
最後要感謝我的父母,對我在自然醫學之路上面的支持。
.
這本書的完成,並不是只有我一個人的力量,因此,這是一本屬於大家的健康書,感謝大家。
.
王永憲
加拿大自然醫學醫師、美國自然醫學會認證醫師
晴康身心靈中心執行長,幻宇宙心流—量子轉化創始人
.
備註:基於台灣法規的關係,王博士現在並沒有在台灣從事任何自然醫學相關的看診與諮詢。基於對自我成長的要求與追尋,王博士目前提供的是能量相關的「量子深層意識轉化」身心靈服務。有興趣的讀者歡迎追蹤臉書粉專與社群,謝謝。
.
.
#自然醫學DIY
#商周出版
.
博客來
https://www.books.com.tw/products/0010901870?sloc=main
.
城邦讀書花園
https://www.cite.com.tw/book?id=89655
.
誠品網路書店
https://www.eslite.com/product/1001118562682065677007
.
金石堂
.
https://www.kingstone.com.tw/basic/2014150513363?zone=book&lid=book_class3_gfg&actid=WISE
同時也有1部Youtube影片,追蹤數超過100萬的網紅Taiwan Bar,也在其Youtube影片中提到,鋼鐵人的盔甲材料不是鋼也不是鐵?蟻人的盔甲沒做好可能會變原子彈? 前情提要先看《🔬實驗科學吧》EP1:https://youtu.be/qx2v9hWM-Ow 鈦Ti,因為在各種極嚴環境下都扛得住,常常被拿來做飛機與太空船,美譽『太空金屬』!各超級英雄電影的盔甲材料當然也不會放過他,究竟是怎樣的...
量子點材料商 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
摩爾定律放緩 靠啥提升AI晶片運算力?
作者 : 黃燁鋒,EE Times China
2021-07-26
對於電子科技革命的即將終結的說法,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的,但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……
人工智慧(AI)的技術發展,被很多人形容為第四次科技革命。前三次科技革命,分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭,比如有人說第四次科技革命是生物技術革命,還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術,而且作為資訊技術的組成部分,卻又獨立於資訊技術,即表示它有獨到之處。
電子科技革命的即將終結,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有,但這波革命始終也沒有結束。
AI技術本質上仍然是第三次科技革命的延續,它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度,那麼這個領域自然就不可小覷,就像當年GPU出現專門為圖形運算服務一樣。
所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現,很大程度上也是因為摩爾定律的發展進入緩慢期:電晶體的尺寸縮減速度,已經無法滿足需求,所以就必須有某種專用架構(DSA)出現,以快速提升晶片效率,也才有了專門的AI晶片。
另一方面,摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期,電晶體製程進步為晶片帶來了相當大的助益,那是「happy scaling down」的時代——CPU、GPU都是這個時代受益,不過Dennard Scaling早在45nm時期就失效了。
AI晶片作為第三大類處理器,在這波發展中沒有趕上happy scaling down的好時機。與此同時,AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節,燧原科技創始人暨CEO趙立東說:「現在訓練的GPT-3模型有1750億參數,接近人腦神經元數量,我以為這是最大的模型了,要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題,說最大模型超過萬億參數,又是10倍。」
英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說:「前兩年用GPU訓練一個大規模的深度學習模型,其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪,以及提供運算力的AI晶片不夠高效。
不過作為產業的底層驅動力,半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到,針對這個問題的一些前瞻性解決方案——有些已經實現,有些則可能有待時代驗證。
XPU、摩爾定律和異質整合
「電腦產業中的貝爾定律,是說能效每提高1,000倍,就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說,「若每瓦功耗只能支撐1KOPS的運算,當時的這種運算形態是超算;到了智慧型手機時代,能效就提高到每瓦1TOPS;未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求,如果依然沿著CMOS這條路去走,當然可以,但會比較艱辛。」
針對性能和效率提升,除了尺寸微縮,半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化,以及處理架構的革新。
(1)AI晶片本身其實就是對處理器架構的革新,從運算架構的層面來看,針對不同的應用方向造不同架構的處理器是常規,更專用的處理器能促成效率和性能的成倍增長,而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU,即AI處理器),乃至更專用的ASIC出現,都是這類思路。
CPU、GPU、NPU、FPGA等不同類型的晶片各司其職,Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情,「整合起來各取所需,用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類,Core CPU、Xe GPU,以及透過收購獲得的AI晶片Habana等。
另外針對不同類型的晶片,可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令,本質上是特別針對深度學習做加強。「專用」的不一定是處理器,也可以是處理器內的某些特定單元,甚至固定功能單元,就好像GPU中加入專用的光線追蹤單元一樣,這是當代處理器普遍都在做的一件事。
(2)從電晶體、晶片結構層面來看,電晶體的尺寸現在仍然在縮減過程中,只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降,需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後,電晶體變為FinFET結構,在3nm之後,電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET),其本質都是電晶體本身充分利用Z軸,來實現微縮性能的提升。
劉明認為,「除了基礎元件的變革,IC現在的發展還是比較多元化,包括新材料的引進、元件結構革新,也包括微影技術。長期賴以微縮的基本手段,現在也在發生巨大的變化,特別是未來3D的異質整合。這些多元技術的協同發展,都為晶片整體性能提升帶來了很好的增益。」
他並指出,「從電晶體級、到晶圓級,再到晶片堆疊、引線接合(lead bonding),精準度從毫米向奈米演進,互連密度大大提升。」從晶圓/裸晶的層面來看,則是眾所周知的朝more than moore’s law這樣的路線發展,比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮,來彈性擴展性能的方案。
台積電和Intel這兩年都在大推將不同類型的裸晶,異質整合的技術。2.5D封裝方案典型如台積電的CoWoS,Intel的EMIB,而在3D堆疊上,Intel的Core LakeField晶片就是用3D Foveros方案,將不同的裸晶疊在一起,甚至可以實現兩片運算裸晶的堆疊、互連。
之前的文章也提到過AMD剛發佈的3D V-Cache,將CPU的L3 cache裸晶疊在運算裸晶上方,將處理器的L3 cache大小增大至192MB,對儲存敏感延遲應用的性能提升。相比Intel,台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連,而不是micro-bump,做到更小的打線間距,以及晶片之間數十倍通訊性能和效率提升。
這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面,即新材料的導入專家們沒有在論壇上多說,本文也略過不談。
1,000倍的性能提升
劉明談到,當電晶體微縮的空間沒有那麼大的時候,產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market,理論上應該也屬於成本的一部分。
電晶體微縮方案失效以後,「多元化的技術變革,依然會讓IC性能得到進一步的提升。」劉明說,「根據預測,這些技術即使不再做尺寸微縮,也會讓IC的晶片性能做到500~1,000倍的提升,到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進;單裸晶儲存容量變得越來越大,IC依然會為產業發展提供基礎。」
500~1,000倍的預測來自DARPA,感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應,而且有更實際的工程問題待解決,比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。
不過1,000倍的性能提升,的確說明摩爾定律的終結並不能代表第三次科技革命的終結,而且還有相當大的發展空間。尤其本文談的主要是AI晶片,而不是更具通用性的CPU。
矽光、記憶體內運算和神經型態運算
在非傳統發展路線上(以上內容都屬於半導體製造的常規思路),WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣,或者仍在商業化的極早期。
(1)近記憶體運算和記憶體內運算:處理器性能和效率如今面臨的瓶頸,很大程度並不在單純的運算階段,而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率,可能是提升整體系統性能時,一個非常靠譜的思路。
這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的,應該不在少數。所謂的近記憶體運算,就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3),以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」,cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。
這兩年在近記憶體運算方面比較有代表性的,一是AMD——比如前文提到3D V-cache增大處理器的cache容量,還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構,也更早應用了HBM2記憶體方案。這些實踐都表明,儲存方面的革新的確能帶來性能的提升。
另外一個例子則是Graphcore的IPU處理器:IPU的特點之一是在裸晶內堆了相當多的cache資源,cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作,極大提升頻寬、降低延遲和功耗。
近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中,多層級的儲存結構,資料的搬運不僅僅在處理和儲存之間,還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。
構建非馮(non-von Neumann)架構,把傳統的、以運算為中心的馮氏架構,變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。
記憶體內運算的就現在看來還是比較新,也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法,儲存單元本身就有運算能力,理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目,畢竟可極大減少海量資料的移動操作。
其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部,部分執行資料處理工作;主要應用於神經網路(因為非常契合神經網路的工作方式),以及這類晶片具體的工作方法上,可能更傾向於神經型態運算(neuromorphic computing)。
對於AI晶片而言,記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時,有比較頻繁的資料存取操作,這對性能和功耗都有影響。不過記憶體內運算的具體實施方案,在市場上也是五花八門,早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構,用40nm嵌入式NOR,在儲記憶體內部執行運算,不過替換掉了數位週邊電路,改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。
劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中,近記憶體運算的這個方案應該和AMD的3D V-cache比較類似,把儲存裸晶和運算裸晶疊起來。
劉明指出,「這是我們最近的一個工作,採用hybrid bonding的技術,與矽通孔(TSV)做比較,hybrid bonding功耗是0.8pJ/bit,而TSV是4pJ/bit。延遲方面,hybrid bonding只有0.5ns,而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上,前文也提到了它具備更高的互連密度和效率。
另外這套方案還將DRAM刷新頻率提高了一倍,從64ms提高至128ms,以降低功耗。「應對刷新率變慢出現拖尾bit,我們引入RRAM TCAM索引這些tail bits」劉明說。
記憶體內運算方面,「傳統運算是用布林邏輯,一個4位元的乘法需要用到幾百個電晶體,這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法,然後利用基爾霍夫定律完成列的累加。」劉明表示,「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存,沒有資料搬運。」這是記憶體內運算的常規思路。
「無論是基於SRAM,還是基於新型記憶體,相比近記憶體運算都有明顯優勢,」劉明認為。下圖是記憶體內運算和近記憶體運算,精準度、能效等方面的對比,記憶體內運算架構對於低精準度運算有價值。
下圖則總結了業內主要的一些記憶體內運算研究,在精確度和能效方面的對應關係。劉明表示,「需要高精確度、高運算力的情況下,近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術,這幾年的進步也非常快。」
去年阿里達摩院發佈2020年十大科技趨勢中,有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式,這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題:是記憶體廠商,還是數文書處理器廠商?(三星推過記憶體內運算晶片,三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)
(2)神經型態運算:神經型態運算和記憶體內運算一樣,也是新興技術的熱門話題,這項技術有時也叫作compute in memory,可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是,這種結構更偏「類人腦」。
進行神經型態研究的企業現在也逐漸變得多起來,劉明也提到了AI晶片「最終的理想是在結構層次模仿腦,元件層次逼近腦,功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。
傳說中的Intel Loihi就是比較典型存算一體的架構,「這片裸晶裡面包含128個小核心,每個核心用於模擬1,024個神經元的運算結構。」宋繼強說,「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來,構成接近1億神經元的系統,讓學術界的夥伴去試用。」
「它和深度學習加速器相比,沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線,功耗很低,也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為,不採用同步時脈,「刺激的時候就是一個非同步電動勢,只有工作部分耗電,功耗是現在深度學習加速晶片的千分之一。」
「而且未來我們可以對不同區域做劃分,比如這兒是視覺區、那兒是語言區、那兒是觸覺區,同時進行多模態訓練,互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片,似乎也是Intel在XPU方向上探索不同架構運算的方向之一。
(2)微型化矽光:這個技術方向可能在層級上更偏高了一些,不再晶片架構層級,不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面,已有應用了,發出資料時,連接埠處會有個收發器把電訊號轉為光訊號,透過光纖來傳輸資料,另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高,內部元件數量大,尺寸也就比較大。
Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的,就是把光和電子相關的組成部分高度整合到晶片上,用IC製造技術。未來的光通訊不只是資料中心機架到機架之間,也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大,也就是所謂的I/O功耗牆,這是這類微型化矽光元件存在的重要價值。
這其中存在的技術挑戰還是比較多,如做資料的光訊號調變的調變器調變器,據說Intel的技術使其實現了1,000倍的縮小;還有在接收端需要有個探測器(detector)轉換光訊號,用所謂的全矽微環(micro-ring)結構,實現矽對光的檢測能力;波分複用技術實現頻寬倍增,以及把矽光和CMOS晶片做整合等。
Intel認為,把矽光模組與運算資源整合,就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上,這類技術還是頗具前景,Intel此前說目標是實現每根光纖1Tbps的速率,並且能效在1pJ/bit,最遠距離1km,這在非本地傳輸上是很理想的數字。
還有軟體…
除了AI晶片本身,從整個生態的角度,包括AI感知到運算的整個鏈條上的其他組成部分,都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面,針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體,透過軟體最佳化就能實現幾倍的性能提升。
宋繼強說,「我們發現軟體最佳化與否,在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。
在AI開發生態上,雖然Nvidia是最具發言權的;但從戰略角度來看,像Intel這種研發CPU、GPU、FPGA、ASIC,甚至還有神經型態運算處理器的企業而言,不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台,用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。
在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下,處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升;而一些新的技術方向,包括近記憶體運算、記憶體內運算和微型矽光,能夠在資料訪存、傳輸方面產生新的價值;神經型態運算這種類腦運算方式,是實現AI運算的目標;軟體層面的最佳化,也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩,AI晶片的性能、效率提升在上面提到的這麼多方案加持下,終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。
資料來源:https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg
量子點材料商 在 彭菊仙之教養幸福又好玩 Facebook 的最讚貼文
【快來抽書:重磅科幻小說】《AI 2041:預見10個未來新世界》
(送出2本)
#李開復說看完這本精彩小說你就懂AI了
#歡迎青少年與所有大人提前進入美麗AI新世界
#李開復架構10幅技術藍圖
#科幻小說家陳楸帆依藍圖築構10個AI新世界
💖【參加辦法】(四步驟:按讚、留言、標兩個朋友,公開分享)
1. 即刻起至7/24(六)晚上12點止,在本文按讚
2. 在本文底下留言【AI 2041:預見10個未來新世界】並【標註兩個朋友】
3. 在自己臉書公開分享本文
4. 7/26(一)進行電腦亂數抽獎(共抽出2本,將以私訊通知)
💖這不是業配文喔,菊仙純粹分享
💖一人僅限參加一次(貼文兩次以上也只算一次喔)
─────科學 + 科幻─────
➤李開復架構10幅「技術藍圖」,科幻小說家陳楸帆依藍圖築構10個「AI新世界」
➤李開復40年的AI專業經驗 + 科幻小說家陳楸帆的無邊想像
➤「虛構的敘事」與「非虛構的科技評論」完美結合
➤展現20年後被AI 技術深刻改變的未來世界。
AI時代已經開啟。在我們面前,機遇與挑戰並存。
如AI與人性特質如何共存等諸多課題,都需要深入探索和思考。──李開復
想要創造什麼樣的未來,就從想像那樣的未來開始。──陳楸帆
.AI能否幫助人類從根源上預防疫情?
.如何應對未來的職場挑戰?
.在AI主導的世界中如何確保文化多樣性?
.如何教導下一代適應人類與AI共存的新社會?
.面對AI帶來的社會問題所隱含的人性拉鋸戰,我們如何抉擇?
AI能創造前所未有的財富與價值,能徹底改變醫學和教育,能提升人類的工作、娛樂和交流的品質,能把人類從日常工作中解放出來。
不過,AI也會帶來無數挑戰和風險:
•演算法偏見
•安全隱患
•深度偽造
•隱私資料的侵犯
•自主武器的使用
•取代人類員工。
不過,以上情況並非AI主導造成的,而是惡意或草率使用AI技術的幕後黑手。
全球AI領軍人物李開復最關切的是,AI正飛速發展,人類的未來將通往何方?
歡迎來到2041!
全球重磅推薦
✓劉慈欣│2015年雨果獎得主、《三體》作者
✓雷.達里歐(Ray Dalio)│橋水基金創辦人
✓薩蒂亞.納德拉(Satya Nadella)│微軟董事長
✓楊立昆(Yann LeCun)│圖靈獎得主
★本書有著開創性的結構,用前所未有的跨越文類的多視角,展望人工智慧構造的未來,讓我們從理性上把握未來發展趨勢的同時,也從感性上觸摸未來的質感和溫度。生動逼真的科幻想像與嚴謹深入的技術論述完美地結合,讓本書無論是從科幻還是從技術現實的角度,都具有無與倫比的魅力。──劉慈欣,2015年雨果獎得主、《三體》作者
★對未來的解析精闢又精采。──雷.達里歐(Ray Dalio),橋水基金創辦人、《紐約時報》第一名暢銷書《原則》作者
★陳楸帆的創作實力,加上李開復的科技功底,建構出令人好奇又恐懼的AI未來世界。閱讀這本絕無冷場的好書,就能明白某些科技會在何時,又會如何發展成熟,而全體人類又會面臨什麼樣的影響。──薩蒂亞.納德拉(Satya Nadella),微軟董事長
★唯有有膽有識之人,才敢預測AI的未來。這是一位科技界的先驅泰斗,與一位洞悉未來的科幻作家,攜手打造的開示之書,對於AI科技會如何影響我們的生活,提出大膽又殷切的見解。──楊立昆(Yann LeCun),圖靈獎得主,臉書首席AI科學家
★我們能不能適應我們一心創造的奇異新世界?我們知道無從想像的改變即將到來,卻不知這些改變對人類有何影響。李開復跟陳楸帆的《AI 2041》,對於我們即將面對的未來有最詳盡的描寫,最深情的叮嚀。──班奈特.米勒(Bennett Miller),「魔球」與「暗黑冠軍路」導演,曾獲奧斯卡獎提名
★我們正處於AI發展史的關鍵時刻。我所讀過的書當中,唯有這本創意四射的佳作,才真正一語道破AI的精髓。與其思考該不該信任AI,還不如將AI當成一種工具,一種由我們人類塑造的工具。李開復在《AI 2041》的精闢分析,凸顯出這項人類必須積極承擔的責任。陳楸帆筆下的精采故事,昭示了AI可將曾經無解的問題,化為充滿新機的未來。──亞利安娜.哈芬登(Arianna Huffington),Thrive Global 創辦人兼執行長
★《AI 2041》是科學與科幻的完美融合,揭示了AI將如何全面滲透我們的生活,而我們想創造造福全人類的科技未來,又會面臨什麼樣的挑戰。──馬克.貝尼奧夫(Marc Benioff),Salesforce董事長兼執行長
★將AI應用於商業經營,通常必須先研究這項科技,再思考如何應用。《AI 2041》卻帶領讀者走上相反的道路。兩位作者李開復跟陳楸帆,透過精采絕倫的故事,引領我們走入逼真的未來世界。再以淺顯易懂的說明,闡述AI科技的原理,造就一本讓人欲罷不能又大開眼界的好書,想了解如何應用AI,絕不可錯過此書。──馬克.庫班(Mark Cuban)
.
…………..【內容快速勾勒】…………
第一章 一葉知命
在印度孟買,一個當地家庭參與了一項由深度學習賦能的智慧保險計畫。為了改善這家人的生活,AI保險程式透過一系列生活應用與這家的每位成員相連,這些應用與保險演算法進行動態互動。然而,正值青春期的女兒卻發現,這套AI保險程式似乎總是在「巧妙」地阻撓她追求愛情。
【開復解讀】
一、什麼是深度學習
二、深度學習:能力驚人但也力有未逮
三、深度學習在網際網路和金融行業的應用
四、深度學習帶來的問題
第二章 假面神祇
一名懷揣電影夢想的奈及利亞影音製作者,被神祕公司招募來製作一段真假難辨的Deepfake(深度偽造)影片。如果他成功地做到瞞天過海,將引發災難性的後果,從而改變整個國家未來的命運……
【開復解讀】
一、什麼是電腦視覺技術
二、電腦視覺技術的應用
三、電腦視覺的基礎─卷積神經網路(CNN)
四、Deepfake
五、生成式對抗網路(GAN)
六、生物特徵識別
七、AI安全
第三章 雙雀
AI教師化身為韓國雙胞胎孤兒所喜愛的卡通化虛擬夥伴,分別幫助他們挖掘和發揮潛能。多虧有了AI的重要分支「自然語言處理技術」,這兩個AI夥伴才能夠用人類的語言流利地和孤兒交談,建立情感連結和信任,幫助兄弟倆在失散多年之後重新找回彼此。
【開復解讀】
一、自然語言處理(NLP)
二、有監督的NLP
三、自監督的NLP
四、NLP應用平台
五、NLP能通過圖靈測試或者成為通用人工智慧嗎?
六、教育領域的AI
第四章 無接觸之戀
在疫苗問世後,新冠病毒毒株定期變異,繼續肆虐人間。二十年後,人類不得不學會與病毒共存,家家戶戶都配有機器人管家,以減少人與人接觸的風險。在這個故事裡,身在上海的女主角患上了一種把自己與世隔絕的恐懼症。當愛神來叩門時,她內心一方面渴望擁抱愛情,另一方面卻極度懼怕和戀人親密接觸。誰能幫助她邁出這關鍵性的一步?
【開復解讀】
一、數位醫療與人工智慧的融合
二、傳統藥物及疫苗研發
三、AI在蛋白質折疊、藥物篩選及研發方面的潛力
四、AI與精準醫療及診斷:讓人類活得更加健康長壽
五、機器人技術
六、機器人技術的工業應用
七、機器人技術的商業場景和消費級市場
八、AI時代的數位化工作
第五章 偶像之死
故事描述了未來的娛樂業。到那時,遊戲都將是全感官立體沉浸式的,虛擬和現實之間的界限將變得虛實難辨。本故事發生在日本東京,主角利用AI和VR技術,讓她所愛慕的偶像復活過來,引領她去調查偶像之死背後的真正原因。
【開復解讀】
一、什麼是XR(AR⁄VR⁄MR)
二、XR技術:全方位覆蓋人類的六感
三、XR技術:超感官體驗
四、XR技術的兩大挑戰:裸眼顯示和腦機介面
五、XR技術普及背後的倫理道德和社會問題
第六章 神聖車手
二十年後,自動駕駛技術正處於從人類司機切換到全AI司機的過渡時期。在這個有著動作大片節奏感的故事中,斯里蘭卡一名電競少年被招募進了一個神祕計畫,他將要面對的並不僅僅是遊戲中的對手……
【開復解讀】
一、自動駕駛
二、真正的自動駕駛什麼時候才會出現
三、L5自動駕駛車輛將帶來的影響
四、阻礙L5自動駕駛的非技術性難題
第七章 人類剎車計畫
策劃〈人類剎車計畫〉的惡魔是一名歐洲電腦科學家。他在經歷了一場與氣候變化有關的家庭悲劇後,精神失常,開始利用量子計算、自動武器等突破性技術作惡,對人類進行史無前例的瘋狂報復。駭客與反恐特警聯手力挽狂瀾,人類命運將何去何從?
【開復解讀】
一、量子計算
二、量子計算在安全領域的應用
三、什麼是自主武器?
四、自主武器的利與弊
五、自主武器會成為人類生存的最大威脅嗎?
六、如何解決自主武器帶來的危機?
第八章 職業救星
隨著AI向愈來愈多的行業穩步進軍,愈來愈多職位逐漸被AI技術取代,那麼人類接下來能從事的工作是什麼?一場發生在舊金山的建築業大震盪,帶領我們走入一個新的行業──再就業服務。如何幫助結構性失業人群找回屬於人類的價值與尊嚴感,也許同樣需要AI的幫助。
【開復解讀】
一、AI將如何取代人類員工?
二、AI取代人類員工背後的潛在危機
三、UBI會是一劑良方嗎?
四、從事哪些工作的人不容易被AI取代
五、如何化解AI時代的人類工作危機?
六、迎接AI新經濟以及制定全新的社會契約
第九章 幸福島
一位中東的開明君主想試驗將AI做為給人類帶來終極幸福感的靈丹妙藥。然而,幸福是什麼?幸福如何衡量?這位君主邀請了各界名人聚集在一座私密的島嶼上,讓這些名人共享他們的個人資料,並成為探索這個奇妙命題的小白鼠。然而,試驗卻出人意料地走向了失控……
【開復解讀】
一、AI時代的幸福準則
二、如何利用AI衡量和提升幸福感
三、AI數據:去中心化 vs. 中心化
四、誰值得我們信賴並有資格儲存我們所有的資料?
第十章 豐饒之夢
在布里斯班一座由AI管理的養老社區中,一位原住民女孩如何幫助罹患阿茲海默症的海洋生物學家解開身世之謎?故事中勾勒了在澳大利亞的未來社會的兩種貨幣:一種是錢,其重要性日益減弱;另一種是代表聲譽和尊重的價值的新貨幣,其重要性與日俱增。
【開復解讀】
一、可再生能源革命:太陽能+風能+電池技術的有效結合
二、材料革命:走向無限供給
三、生產力革命:AI與自動化
四、豐饒時代:技術發展的必然結果
五、稀缺時代與後稀缺時代的經濟模式
六、豐饒時代的貨幣制度
七、豐饒時代的挑戰
八、豐饒時代之後,會是奇點時代嗎?
九、AI 的故事會是圓滿的結局嗎?
•關於2041年的預測
【書訊】https://www.books.com.tw/products/0010895593?sloc=main
量子點材料商 在 Taiwan Bar Youtube 的最佳貼文
鋼鐵人的盔甲材料不是鋼也不是鐵?蟻人的盔甲沒做好可能會變原子彈?
前情提要先看《🔬實驗科學吧》EP1:https://youtu.be/qx2v9hWM-Ow
鈦Ti,因為在各種極嚴環境下都扛得住,常常被拿來做飛機與太空船,美譽『太空金屬』!各超級英雄電影的盔甲材料當然也不會放過他,究竟是怎樣的鈦狂鈦神鈦厲害,讓我們看下去!
#結果三大狠招都狠不起來
#還是要薩諾斯來揍幾拳比較有效
-
《🔬實驗科學吧》
_臺灣吧2018「大抓周計畫」節目!
藉由電影或漫畫中,各種超乎尋常又驚奇的劇情,探討是否真的有科學的依據及基礎應用!將有5集動畫影片介紹原理、5集實拍影片實際做實驗!
EP1-蟻人怎麼變小:https://youtu.be/qx2v9hWM-Ow
EP2-侏羅紀世界:9/3(一)
預告片:https://youtu.be/sFNdA8wxyMk
EP0.5-蟻人量子糾纏:https://youtu.be/p0ntjrzuiDk
特別感謝:LiFe生活化學 提供實驗相關協助
-
『✨!!!臺灣吧週更中!!!✨』
🎫訂閱支持,讓臺灣吧產出更多好節目!
成為臺灣吧吧友→ https://lihi.cc/8Z6Kd/exp1l
🍍🍓🍋黑啤麥造【水果氣泡麥汁】在華山!
線上商城→https://lihi.cc/JjIgP/exp1l
本集關鍵字:蟻人、鈦合金、不鏽鋼、鋁、熔點、航太器具、液壓機、耐蝕、氫氧化鉀、鹽酸、鎳鉻鐵鈷鎳錫鉛氫銅汞銀鉑金、鐵姑娘惜千金總共一百斤