你知道人工智能是怎么学习人脑神经网络运行的吗？

人脑神经网络的运作模式是人工智能追求的终极形态

AMD对芯片与人类大脑的操作理解较为超前。

早在2011年，AMD产品构想中就以CPU和GPU分别类比人类左右脑，并基于此提出了CPU+GPU的异构产品策略。类比人脑，AMD认为左脑更像CPU，负责对信息的逻辑处理，如串行运算、数字和算术、分析思维、理解、分类、整理等，而右脑更像GPU，负责并行计算、多模态、创造性思维和想象等。

人类大脑神经网络的运作模式，始终是人工智能追求的终极形态，因此，我们认为CPU+GPU的异构集成，对比人类可实现左右脑协同工作，整体调动神经网络，或将成为AI芯片的主流技术方向。目前AMD的MI300、英伟达的GraceHopper 和英特尔的FalconShores在此均有布局。GPU的算力高，并针对并行计算，但须由CPU进行控制调用，发布指令。在AI训练端，CPU可负责控制及发出指令，指示GPU处理数据和完成复杂的浮点运算（如矩阵运算）。

在面对不同模态数据的推理时，我们认为，CPU与GPU的分工也各有不同，因此，同时部署CPU和GPU能提供最大的运算支撑。例如，在处理语音、语言和文本数据的推理时，AI模型需逐个识别目标文字，计算有序，因此或更适合使用擅长串行运算的CPU进行运算支持；但在处理图像、视频等数据的推理时（对比人类的操作，每一个像素是同时进入眼睛），需要大规模并行运算，或更适宜由GPU负责，例如英伟达L4GPU 可将AI视频性能提高120倍，据英伟达测试，L4与基于CPU的传统基础设施相比能源效率提高99%。

1.AMD已提出APU概念，将结合CPU与GPU在左右脑层面的分工区别和组合构想

2.人类大脑不同部分功能及对应芯片种类

3.人脑处理信息与人工智能训练和推理的流程对比

欢迎评论区留意，一起学习。

#人工智能#AI#GPU#Niusousou