返回 登录
0

专访清华大学邓仰东教授之 贝叶斯计算机与三维集成电路

在一个阳光氤氲的周五下午,CSDN记者在清华大学的一间会议室里,见到了邓仰东老师。邓仰东老师现任清华大学软件学院副教授,是最早开始使用GPU进行通用并行算法设计的研究人员之一。

图片描述

邓老师本科及硕士均毕业于清华大学,并取得卡内基梅隆大学的博士学位,师从Wojciech Maly,进行三维集成电路相关设计的研究。博士毕业后,邓老师加入Magma,一家位于硅谷的集成电路计算机辅助设计公司。2008年,邓老师回清华微电子系任教,作为NVIDIA合作教授,参与其大赛的评审工作,并在全国范围内开展了系列讲座。同年,邓教授在国内率先开设了GPU并行程序设计训练课程。著有《异构处理器OpenCL编程导论》。

为方便您的阅读,笔者将本次访谈内容分成如下几部分:
- 从GPU到GPGPU
- 打破国外对火车通信控制芯片的垄断
- 贝叶斯计算机与三维集成电路

本文为最终篇,采取问答形式。趣谈邓老师对于贝叶斯计算机的设想。

CSDN:讲讲您在卡内基梅隆大学的科研经历吧。

邓仰东:硕士从清华毕业后,我就去卡内基梅隆大学读博士。我的老板是Wojciech Maly,因为当时Maly年纪已经很大了,他就很想做一些有情怀的事情,比如说三维集成电路。计算机一般都是三维的结构,是很多层板子搭在一起,但是集成电路上的器件都是单层的。Maly就想,如果将两个芯片从空中集成的话,性能会得到很大的提高。因为平面上不论两块芯片离得再近,中间也还是有长长的引脚的距离,如果将芯片三维集成的话,芯片之间的距离就只有几微米。但是从制造的角度考虑,目前做存储器和做CPU采用的工艺不同,起初根本没有一种工艺能够支持我们做三维集成这件事。我们自己写了一个工具把我们的设计从源码转化为三维电路,快毕业的时候我们找到了一个厂家给我们做了样片。

CSDN:这个样片后来如何了?

邓仰东:后来这个样片就是个样片了,但是没关系,我们做的有点超前。直到我博士毕业后几年,大概是2010年左右,NVIDIA真的将这个芯片做出来了。因为NVIDIA的图形处理器需要很大的一块显存,以前NVIDIA的设计是,一块电路板,中间一块芯片,周围有很多的显存存储器。这样布局的缺点是芯片与存储器之间有很长的距离。不知道从哪代起,NVIDIA生产显存时就采取将两个芯片扣在一起这种封装形式。所以我们的想法后来还是变成现实了。

CSDN:您本人有没有想要实现的像三维集成电路这样的大胆猜想呢?

邓仰东:有的。现在我和一个同事,我们每个人带着一名博士生,正在尝试制造一台贝叶斯计算机。现在很多人认为人脑的认知机制基本上是基于贝叶斯原理的。但是用现有的计算机去做贝叶斯计算的话,速度很慢。因此我们想要制造一台全新的计算机,这台计算机最基本的计算就是贝叶斯计算,并且我们希望它能体现出一些认知行为来。

CSDN:所以贝叶斯计算机是跨过深度学习算法的另一种方式,让机器拥有认知的能力?

邓仰东:是的,深度学习解决的问题是最直接的分类、定位问题。例如给机器一张照片,让机器回答照片里是猫还是狗,或者这个猫或者狗在什么位置,有没有猫或者有没有狗,类似这种问题。是对图像的低层次的、直观的认知。贝叶斯计算机的目标是让计算机拥有推理的能力,例如是不是这只狗在追这只猫,导致了猫的移动。

传统上大部分神经科学家在研究大脑的时候,都是运用核磁共振成像的方法,比如让人去看一些照片,给大脑成像,观测其兴奋区域,以此找出不同区域之间的关系,希望能找出神经通路来理解大脑的行为。但是最近伯克利有一篇文章很有趣,文章里假设这套理解大脑的方法有效,那么用这套方法理解更简单的东西也会有效。于是他们找来了一个比较古老的微处理器,让处理器运行游戏程序,同时剖开封装观察芯片上的电脉冲(即开关模式),看看能否通过脉冲模式分析处理器的工作原理。实验结果不是很乐观,这从一个侧面说明了通过观看人脑中的活动来理解人脑其实不太可能。

还有比如说IBM,他们做了一个芯片模仿人思考过程中神经突触互相连接的行为。用几千个逻辑门搭出一个神经元,一个芯片上大概能模拟一百万个神经元,神经元与神经元之间可以互相工作,好多芯片搭在一起,来模拟人脑中数以十亿计的神经元。其实IBM的想法是复制人脑做一个人脑计算机,但是这个方案到底能不能成立,这是很难评价的,因为现在人脑的运转机制我们还不清楚。

IBM已经将这个设想在Science发布,虽然文章规格很高,但是我认为最终这个想法不会成功。因为神经元之间虽然在发电脉冲,在通信,但是电脉冲之间是如何编码信息的,我们一点也不知道。我们只知道人脑能计算2+2=4,但是这个4是怎样编码的,甚至需不需要编码每个数字,我们还不是特别清楚。

CSDN:那贝叶斯计算机是如何模拟人脑的呢?

邓仰东:我们和上面这些方法不一样的地方在于,我们先不追求精确了解人脑中的神经元是如何工作的。我们只在顶层模仿人脑的认知机制,底层我们采用另一套算法。换句话说,我们不管人脑是怎样工作的,我们的目标就是造出一个支持贝叶斯计算的计算机。因为人是由一个单细胞生物一步步演化过来的,其实我们用神经元思考也是无奈之举,因为我们只有人脑这么一个计算平台,只能依靠这些速度很慢、工作模式具有很大模糊性的神经元。神经元从计算角度来说肯定不是最高效的装备,相反,可能是一个很差的装备。


至此,邓仰东教授系列访谈告一段落,感谢您的阅读,请期待后续邓老师在CSDN的分享。


想要获得更多技术干货?关注CSDN人工智能公众号 AI_Thinker

图片描述

评论