展望未來

當專家認真看待人工智能未來的時候，他們會看到一些有趣的可能性。
今天我們使用基于手動調整模型的監督式學習。谷歌的Warden就是預見未來會出現半監督方法的研究人員之一，他認為未來手機等客戶端設備可以進行自主學習，最終目標是無監督式學習——計算機自學，而不需要工程師們的幫助。

在這條道路上，研究人員正在尋找方法來自動標記數據，因為這些數據是由手機或物聯網節點等設備收集的。

西部數據公司首席數據科學家Janet George表示：“谷歌稱，現在在這個中間階段我們需要大量的計算，可一旦事情被自動標記，你只需要索引新的增量內容，這更像是人類如何處理數據的方式。”

無監督式學習打開了一扇通向加速機器智能時代的大門，有些人認為這是數字化的必殺技。另一些人則擔心技術可能會在沒有人為干預的情況下以災難性的方式失控。谷歌公司TPU項目負責人Norm Jouppi說：這讓我感到害怕。

同時，從事半導體工作的學者對未來的人工智能芯片的發展由他們自己的長遠愿景。
英特爾、Graphcore和Nvidia“已經在制造全掩膜版芯片，下一步就是3D技術，”Patterson說。“當摩爾定律如火如荼時，由于擔心可靠性和成本問題人們可能會退縮。現在摩爾定律正在結束，我們將看到很多這方面的實驗。”

最終是創造出新型的晶體管，可以在邏輯和內存層進行片上堆疊。
Notre Dame電氣工程教授Suman Datta很看好負電容鐵電晶體管作為此類芯片的基礎。他在最近召開的一次關于所謂單體3D結構的會議上談到了該市場的格局。這樣的設計應用并推進了3-D NAND閃存在片上芯片堆棧方面所取得的進展。

來自伯克利、麻省理工學院和斯坦福大學的團隊將在2月份的國際固態電路會議上，展示一個類似的具有遠見的架構。該芯片（下圖）將電阻RAM（ReRAM）結構堆疊在一個由碳納米管制成的邏輯上的相同模片上。

來自伯克利、麻省理工學院和斯坦福大學的研究人員將在ISSCC上發布報告，關于一種使用碳納米管、ReRAM和圖形作為計算元件的新型加速器。（來源：加州大學伯克利分校）
該設備從深度神經網絡獲得靈感，被編程為具有類似的模式而不是使用計算機一直在使用的確定數字。伯克利教授Jan Rabaey說，這個所謂的高維計算使用了幾萬維的向量作為計算元素。Rabaey為該報告做出了貢獻，同時也是英特爾人工智能顧問委員會的成員。

Rabaey說，這種芯片可以從樣例中進行學習，與傳統系統相比操作要少得多。測試芯片將很快出爐，使用振蕩器陣列作為與相關存儲器陣列中的ReRAM單元配對的模擬邏輯。
Rabaey在IEEE人工智能研討會上表示：“我夢想著可以隨身攜帶的引擎，當場就能給我提供指導......我的目標是推動以小于100毫伏的功耗運行[人工智能]。我們需要重新思考如何做計算。我們正在從基于算法的系統轉向基于數據的系統。”