Reference: L. Deng, Microsoft Chatbot Talk
可以被综合的难道仅仅是语音么?Chatbot们已经学会用自然语言调戏人类，新一代美颜滤镜会造出以一个个印象派的蒙娜丽莎，自动驾驶的车辆们，直接生成方向盘指令。基于Policy Evaluation的增强学习(Reinforcement Learning)已经革多少人的命?更勿论，生成对抗学习的大boss已经磨刀霍霍向猪羊。
所以硬件创业者们，classification/inference的年代早已随岁月顺水流，未来的硬件的机遇已经超越了理解人类的范畴。这将是一个机器能与人沟通的年代。以综合(synthesis)为目标的人工智能硬件正向我们走来。
Savable
从头开始，你就输了
总是改变生态的G家大神总在你意想不到的给大家送福利。比如正式出版的Tensorflow 1.0提供了不少基于图片识别的预训练(pre-trained)网络，基于Inception结构。对于很多智能开发者而言，只需要根据实际情况，对最后一到两层的全链接(Fully connected layer)训练下，就能达到玩美智能的效果。高效、省时、省力、省硬件。
同样的故事发生在Baidu和Amazon的语音识别系统中。大家不约而同的发现，对于不同语言的识别系统，其实只要训练输出层(output layer)就能得到相近的结果。而省去RNN/CNN层训练就好像是时间的馈赠，来自上天的礼物。
Reference: N. Storm, Amazon Alexa Talk
这样的馈赠何尝只是算法层面的专属?首先，可节省(savable)的实现方法让硬件在合理安排存储空间和可配置维度上带来的新的启示。同时，若硬件的可重复使用率提升到了新的高度，那将对云端/终端的AI计算资源配置比关系提出一轮新的思考与挑战。其次，面向成熟体系框架framework的硬件，对于客户和使用者来说，本身就是一种节省。如果有合适的scalable接口和complier，在inference端的映射也将朝向更简约、更低门槛的方式前进。只有充分体会到这一点，完善与框架的接口的设计，才终将改变AI硬件的大潮流。
总结：感谢AI frontier，让小编能从一个更宏观的角度去仰视人工智能算法的大趋势，也凝练四大智能硬件的重要关键——Scalable，Sensable, Synthesizable and Savable。最后，预祝第二届AI Frontier顺利召开。
人工智能芯片硬件交流群加入方法：
请访问
http://www. diaochapai.com/survey/6 9e11a55-6f6d-44b9-baf0-31ccf8a946f7
经群管理员审核通过后即会邀请您入群!
========
欢迎加入我们的读者群，与志同道合的人一起交流一起吐槽!点下面的链接填写您的信息我们会邀请您入群!
链接： 矽说读者交流群
我们同时也开通了微信平台(微信号:silicon_talks)，将会发布更多半导体行业深度解读和福利，欢迎搜索公众号!
