高能效类脑智能:算法与体系架构
上QQ阅读APP看书,第一时间看更新

译者序

以“旧神退散,新神未立”来形容近年来计算架构领域的发展的确很形象,2017年计算机图灵奖的两名得主David Patterson和John L.Hennessy在一篇文章中也曾给出类似判断,即“未来十年是计算架构发展的黄金十年”。神经形态计算便被认为是计算架构创新的“新神”之一。这本由Zheng和Mazumder撰写的书即是对这个“新神”的引荐。

人工智能作为当前的研究热点,受到国内外学术界和工业界的追捧,而且很多成熟的产品已经落地。目前所用的人工智能算法主要集中在深度神经网络上,即第二代神经网络。该网络结构虽然效果好,但是功耗大,难以应用在一些移动设备上,且很难充分模仿人脑的智能性。而神经形态计算作为第三代人工神经网络,可以充分模拟大脑的低功耗计算特点,作为人工智能以及脑科学的交叉研究领域,具有很大的研究前景。

本书重点讨论如何为具有学习能力的神经网络构建节能硬件,致力于构建具有学习与执行各种任务的能力的硬件神经网络,提供协同设计和协同优化方法,并提供了从高层算法到底层实现细节的完整视图。开发硬件友好算法的目的是简化硬件实现,而特殊的硬件体系结构的提出则是为了更好地利用算法的独特功能。在本书的各章中,讨论了用于节能型神经网络加速器的算法和硬件体系结构。低功耗对于所有将功耗作为重要考虑因素的应用而言至关重要,使用耗电的GPU和将原始数据发送到可以进一步分析数据的云计算机都不是可行的选择。

作为一本介绍神经形态计算算法和硬件设计思想的书,本书不仅是信息学科、软件工程等学科的基本教材(或参考书),更是可以带领零基础的人进入神经形态计算领域的引路石。在内容的介绍上,本书循序渐进,深入浅出,展示了当前人工智能的算法,并逐步引入神经形态的智能算法当中,再介绍关于神经形态算法硬件实现的设计思路。本书的一大特色是关注基于新兴器件的神经形态计算的架构设计,探讨新兴器件带来的设计问题及其解决思路。本书附带了一些案例供读者学习,覆盖了书中所涉及领域的众多代表性工作。虽然本书不可能完全展示当前的神经形态计算算法和硬件设计中的所有技术细节,但是可以对初入该领域的技术人员提供一个较为完整的认识和强有力的帮助。

本书的内容广泛,包括人工智能的前沿与新兴工艺技术,为了尽可能地翻译准确,我们得到了上海交通大学类脑智能应用技术研究中心全体师生的大力支持,特别是得到了耿相铭老师的帮助与指正。同时也十分感谢杨石玉、朱肖光、陈发全、耿豪、宋扬、尹树雨、计星武、程宇豪、潘敏婷等同学在校对过程中给予的帮助,他们的帮助使本书翻译工作得以顺利完成。

最后,本书虽然经过仔细校对,但限于译者自身的水平及经验,译文可能还存在不足,非常期待大家指正,以便之后进一步完善。

刘佩林

2020年于上海