[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
così l’ intelligenza artificiale ha recentemente
guadagnato molta attenzione proprio con a
un po ‘di accelerazione penso di essere io
è venuto qui hey, io sono macchina nonny voi
sapere mille volte al giorno nelle notizie
nei giornali o TBS e così via
tutti sapete che recentemente c’è stato un
evento storico in cui la macchina in realtà
Pari il nostro campione umano nel gioco del carbone
che è stato considerato molto difficile da
fare
c’erano anche notizie di giornali
articoli sulla macchina che possono
diagnosticare il cancro anche con il
un minimo indizio nell’immagine del
immagine medica giusta e c’era anche
c’è anche qui morbido che può commerciare
lo stock e fare soldi fuori di esso
infatti AI è nei tuoi computer e
smartphone pure
ogni volta che navighi sul sito web alcuni di
il sito F in realtà tenta di prevedere il tuo
interesse e trovare un prodotto
che potresti essere interessato all’acquisto
proprio in tutta questa zona e in altre zone
aree tra cui l’ oratore autonomo
l’intelligenza artificiale ora sta davvero facendo un enorme successo
impatto nella nostra vita così anch’io voglio
porta la tua attenzione su un’altra eccitante
tecnologia che è chiamata Internet di
Cose o IOT l’idea essenziale di IOT
è quello di collegare un piccolo computer su
oggetto di tutti i giorni e così facendo puoi farlo
includere l’oggetto nel tradizionale
Internet con questa capacità quello che tu
può fare è che tu possa realmente
monitorare il controllo e osservare un sacco di
le cose per esempio puoi vedere il
temperatura abbiamo raggiunto il frigorifero e
cambia anche tu puoi girarlo a turno
fuori dalla tua curva di luce in casa
mentre viaggi , puoi anche
assicurati che non ci siano perdite d’acqua
la tua acqua passa nel lavandino ai e
IOT quale sarebbe la risposta in cui credo
la risposta è in realtà cose intelligenti noi
già vedendo cose intelligenti nella nostra vita
il miglior ottimo esempio è l’intelligente
altoparlante questo altoparlante può rilevare umano
voce nell’ambiente rumoroso e fare
qualcosa per te che scopri un umano
voce in un ambiente rumoroso suona come
un compito molto semplice per noi come molti umani
tuttavia per la macchina per fare ciò
la macchina deve acquisire una conoscenza o un
idea di cosa rende diversa la voce umana
da tutti i diversi tipi di rumore
questa conoscenza è tecnicamente chiamata a
modello o più specificamente in questo caso
modello che rileva la voce umana o umana
modello di rilevamento vocale e il processo di
addestrare questo modello a fare questo modello
chiamato machine learning per la nostra ricerca
squadra della Columbia University
potenziamento di potenza molto basso recentemente sviluppato
sistema di rilevamento e quel sistema ha
questo modello di rilevamento vocale e puoi
vedere che la rappresentazione grafica di
il modello nello schermo essenzialmente il
il modello è una raccolta di matematica
formula che vuoi valutare di nuovo
e ancora con un nuovo input
vedere se c’è una voce o non in
il suono ambientale è molto
eccitante applicazione in cose intelligenti
quando uno fino al mio preferito è in realtà
fabbrica intelligente che consiste in un sacco di
diverse cose intelligenti per esempio in
la fabbrica intelligente puoi immaginare una legge
ma possono recuperare le parti che tu
hai bisogno del tuo comando vocale che puoi
considera anche un cattivo come la saldatura
macchina possono non solo fare la saldatura
ma anche monitorare la qualità del
saldatura in tempo reale e segnalare la qualità
del lavoro agli utenti o all’operatore
o un supervisore per assicurarsi che
la saldatura è perfettamente eseguita per tutto il tempo
questo tipo di capacità di puzzle migliora
la produttività della fabbrica mentre
riducendo il costo di funzionamento del
fabbrica quindi lasciami cambiare marcia a
un po ‘qui e ti dico un po’
un po ‘ su come possiamo effettivamente fare il
cose intelligenti oggi
prima di tutto quello che stiamo per fare è che lo siamo
intenzione di utilizzare una nuvola molto potente
computer per costruire un modello e questo modello
sarà distribuito sul piccolo cellulare
dispositivo come il tuo smartphone e, infine
con questo modello puoi farlo il tuo smartphone
rilevare la tua voce e altri intelligenti
cose da fare è un compito intelligente
in realtà non è semplice per esempio se io
voglio fare il mio smartphone per rilevare a
parola chiave specifica diciamo felice o altro
altra parola chiave che puoi immaginare
in realtà richiede un calcolo approssimativo
cinque milioni di moltiplicazioni e cinque
milione aggiunte Inoltre si deve
fallo ogni 100 millisecondi, quindi questo è
carico di lavoro non banale anche messo molto
alto standard del
smartphone che sviluppiamo e io solo
ti ho detto che la madre è tutta allenata
nel cloud computer, comunque
sarebbe ancora meglio se un dispositivo mobile
può addestrare il modello in campo localmente
utilizzando i dati privati o interessanti così
così e dopo tutto questo
la madre è addestrata localmente in multipli di
questi dispositivi mobili possono essere scaricati
scaricato nel cloud cloud e nel cloud
i computer li combinano tutti e fanno
crea il modello e apparentemente vuoi
per scaricare questo modello per l’ordine
dispositivi intelligenti in modo che possano fare un lavoro
più intelligentemente e più accuratamente a
la formazione non è così facile , diciamo
Voglio fare una macchina che rilevi un
rana nella foto proprio questo compito
bella comporta analisi o una foto
comunque se voglio costruire un modello così
rilevare la rana che richiede tunnel
Occhi diciamo di oltre 50.000 immagini
cento volte otto ordini cinque milioni
immagine quindi non ci sono ordini di grandezza
differenza tra l’allenamento post
lavoro intelligente contro formazione così dentro
Per davvero abilitare questi intelligenti
cose che dobbiamo affrontare
problema di complessità computazionale così
andiamo un po ‘più a fondo e vediamo come
i computer in realtà fanno il
calcolo consideriamo questo
implicazione a più B è la C giusta così
il primo computer passo passo in realtà lo fa
due passi il primo passo del computer
deve fare è movimento di dati
ciò significa che afferrano a e B
dalla memoria e andare fino in fondo
l’ingresso di un altro hardware chiamato
un’Unione decimante e dopo questo
i computer eseguono effettivamente aggiunte e
prodotto C così questa è l’intera storia
giusto ma il problema è in realtà
i moderni sistemi informatici che spostano i dati sono
molto più costoso e in effetti lo è
calcolo questo perché la memoria
e gli elementi computazionali sono
separato fisicamente trasmettendo il
informazioni su una distanza che si tratti di
micrometri in millimetri o centimetri
richiede tempo ed energia quindi questo problema
il problema chiamato memory word è stato
identificato circa 10 anni fa da
Professor Wolf e McKee e cosa loro
osservare è la velocità del processore
aumenta molto più velocemente del tempo per
ottenere i dati dalla memoria e questo
la differenza per ora aumenta effettivamente il
differenza della velocità legalmente 100
volte 2.000 volte quindi problema di parole di memoria
è un problema molto fondamentale in oggi
sistema di calcolo qualsiasi computer che tu
avere server PC portatili per smartphone
qualsiasi cosa, questo è il molto fondamentale
problema che dobbiamo risolvere così
fondamentalmente vogliamo ridurre questi dati
movimento tra i ricordi e il nostro odore
unità quindi ce ne sono due diverse
approcci a mio parere il primo
approccio è quello di utilizzare una piccola memoria nel
unità aritmetica, infatti, c’è un piccolo
memoria incorporata nell’aritmetica
hardware che sfida chiave è questo
la memoria non è abbastanza grande per adattarsi a tutti
i dati necessari che si desidera utilizzare
quindi l’ obiettivo chiave del design è quello di fare
certo che ci sia questa memoria incorporata
massimamente in modo da poter ridurre i dati
movimento di essere fuori dalla memoria così grande
verso questo nucleo il nostro team alla Columbia
L’università ha recentemente sviluppato un nuovo consiglio
algoritmo di apprendimento chiamato liquore C
binario lineare nel discorso così questo
l’algoritmo di apprendimento passa principalmente attraverso
primo passo in tre fasi
consolidamento della conoscenza, quindi voglio
comprimi la conoscenza e dopo di ciò
voglio usare lo spazio che faccio
e voglio ripetere questo più volte
fino a che non ti conduco alla precisione del bersaglio
del modello quindi questo modello al massimo
usato la memoria incorporata che è
incorporato nell’unità di memoria di cancellazione in modo da voi
può ridurre il movimento dei dati a tutti da
il grande al di fuori della memoria e questo
sostanzialmente tradotto enormi risparmi energetici
e l’ accelerazione del processo di formazione
l’altro approccio che possiamo considerare
è in qualche modo simile all’approccio precedente
ma siamo diversi quindi cosa possiamo fare
è fondamentalmente questa cosiddetta in-memory
calcolo quindi cosa significa questo è invece
di trasmettere tutti i dati grezzi che possiamo
in realtà faccio un po ‘ di calcolo
all’interno della memoria in modo da comprimere il
dati e passarli all’unità aritmetica
in modo che possiamo ridurre il movimento dei dati
per fare ciò dobbiamo aggiungere un piccolo hardware
nella memoria che può fare un po ‘
di operazione aritmetica e questo deve essere
scelto con molta attenzione per supportare il tuo
algoritmo preferito molto la in un grande
tempo
quindi in questo core il nostro team nel
collaborazione con lo stato originale
L’università sviluppa e prototipa un nuovo
hardware di memoria che possono effettivamente fare
calcola al suo interno il nome è chiamato
X Norris Ram
e aggiungiamo un piccolo elemento computazionale
possono farlo così e così via moltiplicare e
accumulare operazione e moltiplicare e
accumulare operazione è fondamentale
calcolo di base molto usato in maniera massiccia
angolo in profondi apprendimenti e il
demurrer Network quindi con questa memoria
hardware possiamo effettivamente trasmettere molto a
minore quantità di dati perché noi
calcola già il valore e il risultato
sarà passato all’unità aritmetica e
questo di nuovo tradotto su due ordini
di miglioramento grandezza in termini di
velocità così come la dissipazione di energia
quindi vorrei concludere a questo
momento grazie per il tuo ascolto
parlare del futuro dell’IA in realtà no
piccolo è luminoso e uno dei miei cosa
deve essere piccolo a cui deve essere tolta la IA
essere piccoli in modo che possiamo adattarlo nel
cose intelligenti, ecco tutto questo è Ming
Grazie Gustav della Columbia University
tu molto
[Applausi]
[Applausi]
[Musica]
[Applausi]
[Musica]
così l’ intelligenza artificiale ha recentemente
guadagnato molta attenzione proprio con a
un po ‘di accelerazione penso di essere io
è venuto qui hey, io sono macchina nonny voi
sapere mille volte al giorno nelle notizie
nei giornali o TBS e così via
tutti sapete che recentemente c’è stato un
evento storico in cui la macchina in realtà
Pari il nostro campione umano nel gioco del carbone
che è stato considerato molto difficile da
fare
c’erano anche notizie di giornali
articoli sulla macchina che possono
diagnosticare il cancro anche con il
un minimo indizio nell’immagine del
immagine medica giusta e c’era anche
c’è anche qui morbido che può commerciare
lo stock e fare soldi fuori di esso
infatti AI è nei tuoi computer e
smartphone pure
ogni volta che navighi sul sito web alcuni di
il sito F in realtà tenta di prevedere il tuo
interesse e trovare un prodotto
che potresti essere interessato all’acquisto
proprio in tutta questa zona e in altre zone
aree tra cui l’ oratore autonomo
l’intelligenza artificiale ora sta davvero facendo un enorme successo
impatto nella nostra vita così anch’io voglio
porta la tua attenzione su un’altra eccitante
tecnologia che è chiamata Internet di
Cose o IOT l’idea essenziale di IOT
è quello di collegare un piccolo computer su
oggetto di tutti i giorni e così facendo puoi farlo
includere l’oggetto nel tradizionale
Internet con questa capacità quello che tu
può fare è che tu possa realmente
monitorare il controllo e osservare un sacco di
le cose per esempio puoi vedere il
temperatura abbiamo raggiunto il frigorifero e
cambia anche tu puoi girarlo a turno
fuori dalla tua curva di luce in casa
mentre viaggi , puoi anche
assicurati che non ci siano perdite d’acqua
la tua acqua passa nel lavandino ai e
IOT quale sarebbe la risposta in cui credo
la risposta è in realtà cose intelligenti noi
già vedendo cose intelligenti nella nostra vita
il miglior ottimo esempio è l’intelligente
altoparlante questo altoparlante può rilevare umano
voce nell’ambiente rumoroso e fare
qualcosa per te che scopri un umano
voce in un ambiente rumoroso suona come
un compito molto semplice per noi come molti umani
tuttavia per la macchina per fare ciò
la macchina deve acquisire una conoscenza o un
idea di cosa rende diversa la voce umana
da tutti i diversi tipi di rumore
questa conoscenza è tecnicamente chiamata a
modello o più specificamente in questo caso
modello che rileva la voce umana o umana
modello di rilevamento vocale e il processo di
addestrare questo modello a fare questo modello
chiamato machine learning per la nostra ricerca
squadra della Columbia University
potenziamento di potenza molto basso recentemente sviluppato
sistema di rilevamento e quel sistema ha
questo modello di rilevamento vocale e puoi
vedere che la rappresentazione grafica di
il modello nello schermo essenzialmente il
il modello è una raccolta di matematica
formula che vuoi valutare di nuovo
e ancora con un nuovo input
vedere se c’è una voce o non in
il suono ambientale è molto
eccitante applicazione in cose intelligenti
quando uno fino al mio preferito è in realtà
fabbrica intelligente che consiste in un sacco di
diverse cose intelligenti per esempio in
la fabbrica intelligente puoi immaginare una legge
ma possono recuperare le parti che tu
hai bisogno del tuo comando vocale che puoi
considera anche un cattivo come la saldatura
macchina possono non solo fare la saldatura
ma anche monitorare la qualità del
saldatura in tempo reale e segnalare la qualità
del lavoro agli utenti o all’operatore
o un supervisore per assicurarsi che
la saldatura è perfettamente eseguita per tutto il tempo
questo tipo di capacità di puzzle migliora
la produttività della fabbrica mentre
riducendo il costo di funzionamento del
fabbrica quindi lasciami cambiare marcia a
un po ‘qui e ti dico un po’
un po ‘ su come possiamo effettivamente fare il
cose intelligenti oggi
prima di tutto quello che stiamo per fare è che lo siamo
intenzione di utilizzare una nuvola molto potente
computer per costruire un modello e questo modello
sarà distribuito sul piccolo cellulare
dispositivo come il tuo smartphone e, infine
con questo modello puoi farlo il tuo smartphone
rilevare la tua voce e altri intelligenti
cose da fare è un compito intelligente
in realtà non è semplice per esempio se io
voglio fare il mio smartphone per rilevare a
parola chiave specifica diciamo felice o altro
altra parola chiave che puoi immaginare
in realtà richiede un calcolo approssimativo
cinque milioni di moltiplicazioni e cinque
milione aggiunte Inoltre si deve
fallo ogni 100 millisecondi, quindi questo è
carico di lavoro non banale anche messo molto
alto standard del
smartphone che sviluppiamo e io solo
ti ho detto che la madre è tutta allenata
nel cloud computer, comunque
sarebbe ancora meglio se un dispositivo mobile
può addestrare il modello in campo localmente
utilizzando i dati privati o interessanti così
così e dopo tutto questo
la madre è addestrata localmente in multipli di
questi dispositivi mobili possono essere scaricati
scaricato nel cloud cloud e nel cloud
i computer li combinano tutti e fanno
crea il modello e apparentemente vuoi
per scaricare questo modello per l’ordine
dispositivi intelligenti in modo che possano fare un lavoro
più intelligentemente e più accuratamente a
la formazione non è così facile , diciamo
Voglio fare una macchina che rilevi un
rana nella foto proprio questo compito
bella comporta analisi o una foto
comunque se voglio costruire un modello così
rilevare la rana che richiede tunnel
Occhi diciamo di oltre 50.000 immagini
cento volte otto ordini cinque milioni
immagine quindi non ci sono ordini di grandezza
differenza tra l’allenamento post
lavoro intelligente contro formazione così dentro
Per davvero abilitare questi intelligenti
cose che dobbiamo affrontare
problema di complessità computazionale così
andiamo un po ‘più a fondo e vediamo come
i computer in realtà fanno il
calcolo consideriamo questo
implicazione a più B è la C giusta così
il primo computer passo passo in realtà lo fa
due passi il primo passo del computer
deve fare è movimento di dati
ciò significa che afferrano a e B
dalla memoria e andare fino in fondo
l’ingresso di un altro hardware chiamato
un’Unione decimante e dopo questo
i computer eseguono effettivamente aggiunte e
prodotto C così questa è l’intera storia
giusto ma il problema è in realtà
i moderni sistemi informatici che spostano i dati sono
molto più costoso e in effetti lo è
calcolo questo perché la memoria
e gli elementi computazionali sono
separato fisicamente trasmettendo il
informazioni su una distanza che si tratti di
micrometri in millimetri o centimetri
richiede tempo ed energia quindi questo problema
il problema chiamato memory word è stato
identificato circa 10 anni fa da
Professor Wolf e McKee e cosa loro
osservare è la velocità del processore
aumenta molto più velocemente del tempo per
ottenere i dati dalla memoria e questo
la differenza per ora aumenta effettivamente il
differenza della velocità legalmente 100
volte 2.000 volte quindi problema di parole di memoria
è un problema molto fondamentale in oggi
sistema di calcolo qualsiasi computer che tu
avere server PC portatili per smartphone
qualsiasi cosa, questo è il molto fondamentale
problema che dobbiamo risolvere così
fondamentalmente vogliamo ridurre questi dati
movimento tra i ricordi e il nostro odore
unità quindi ce ne sono due diverse
approcci a mio parere il primo
approccio è quello di utilizzare una piccola memoria nel
unità aritmetica, infatti, c’è un piccolo
memoria incorporata nell’aritmetica
hardware che sfida chiave è questo
la memoria non è abbastanza grande per adattarsi a tutti
i dati necessari che si desidera utilizzare
quindi l’ obiettivo chiave del design è quello di fare
certo che ci sia questa memoria incorporata
massimamente in modo da poter ridurre i dati
movimento di essere fuori dalla memoria così grande
verso questo nucleo il nostro team alla Columbia
L’università ha recentemente sviluppato un nuovo consiglio
algoritmo di apprendimento chiamato liquore C
binario lineare nel discorso così questo
l’algoritmo di apprendimento passa principalmente attraverso
primo passo in tre fasi
consolidamento della conoscenza, quindi voglio
comprimi la conoscenza e dopo di ciò
voglio usare lo spazio che faccio
e voglio ripetere questo più volte
fino a che non ti conduco alla precisione del bersaglio
del modello quindi questo modello al massimo
usato la memoria incorporata che è
incorporato nell’unità di memoria di cancellazione in modo da voi
può ridurre il movimento dei dati a tutti da
il grande al di fuori della memoria e questo
sostanzialmente tradotto enormi risparmi energetici
e l’ accelerazione del processo di formazione
l’altro approccio che possiamo considerare
è in qualche modo simile all’approccio precedente
ma siamo diversi quindi cosa possiamo fare
è fondamentalmente questa cosiddetta in-memory
calcolo quindi cosa significa questo è invece
di trasmettere tutti i dati grezzi che possiamo
in realtà faccio un po ‘ di calcolo
all’interno della memoria in modo da comprimere il
dati e passarli all’unità aritmetica
in modo che possiamo ridurre il movimento dei dati
per fare ciò dobbiamo aggiungere un piccolo hardware
nella memoria che può fare un po ‘
di operazione aritmetica e questo deve essere
scelto con molta attenzione per supportare il tuo
algoritmo preferito molto la in un grande
tempo
quindi in questo core il nostro team nel
collaborazione con lo stato originale
L’università sviluppa e prototipa un nuovo
hardware di memoria che possono effettivamente fare
calcola al suo interno il nome è chiamato
X Norris Ram
e aggiungiamo un piccolo elemento computazionale
possono farlo così e così via moltiplicare e
accumulare operazione e moltiplicare e
accumulare operazione è fondamentale
calcolo di base molto usato in maniera massiccia
angolo in profondi apprendimenti e il
demurrer Network quindi con questa memoria
hardware possiamo effettivamente trasmettere molto a
minore quantità di dati perché noi
calcola già il valore e il risultato
sarà passato all’unità aritmetica e
questo di nuovo tradotto su due ordini
di miglioramento grandezza in termini di
velocità così come la dissipazione di energia
quindi vorrei concludere a questo
momento grazie per il tuo ascolto
parlare del futuro dell’IA in realtà no
piccolo è luminoso e uno dei miei cosa
deve essere piccolo a cui deve essere tolta la IA
essere piccoli in modo che possiamo adattarlo nel
cose intelligenti, ecco tutto questo è Ming
Grazie Gustav della Columbia University
tu molto
[Applausi]
Please follow and like us: