機(jī)器學(xué)習(xí)(ML)短短在1年內(nèi)異軍突起后，其成長(zhǎng)速度也超乎外界預(yù)期。評(píng)論指出，從NVIDIA近期亮眼股價(jià)表現(xiàn)可看出機(jī)器學(xué)習(xí)市場(chǎng)確實(shí)在蓬勃發(fā)展。另外，GPU不只是訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)的最佳芯片選擇，機(jī)器學(xué)習(xí)工作甚至可能從資料中心，逐漸推進(jìn)移動(dòng)裝置內(nèi)，帶動(dòng)半導(dǎo)體相關(guān)產(chǎn)業(yè)需求增加。
據(jù)Semiconductor Engineering報(bào)導(dǎo)，在2016年初，機(jī)器學(xué)習(xí)仍被視為科學(xué)實(shí)驗(yàn)，但目前則已開(kāi)始被應(yīng)用，以便改善廣大產(chǎn)品并開(kāi)始受到消費(fèi)者市場(chǎng)歡迎。第一次進(jìn)展的出現(xiàn)是大量運(yùn)算能力、頻寬、低價(jià)存儲(chǔ)器與演算法匯整后的結(jié)果。
上述演算法可用來(lái)訓(xùn)練其過(guò)程，其中大多是重復(fù)數(shù)據(jù)采礦運(yùn)算。首先，一旦1組特征被建立后，數(shù)據(jù)將被重復(fù)修正并可指出在制造或設(shè)計(jì)中哪些出現(xiàn)異常以及是否有冗位，而結(jié)果就是讓運(yùn)算效率快速大幅提升，提升產(chǎn)品品質(zhì)、可靠度、效能、功耗與良率。
機(jī)器學(xué)習(xí)的另一端就是推論(inferencing)，也就是精煉演算法以便機(jī)器可在1套特征下運(yùn)作，基本上就是依照已知、可預(yù)期或未知因素為裝置或應(yīng)用程式(App)建立可接受的行為。
不過(guò)，一旦遇到未知時(shí)，機(jī)器在事先已定義的限制下執(zhí)行后，上述未知會(huì)被加入訓(xùn)練與推論資料庫(kù)內(nèi)，作為未來(lái)決定參考或者因?yàn)闊o(wú)相關(guān)而被忽略。
評(píng)論指出，上述過(guò)程需要大量運(yùn)算能力，也是推升NVIDIA股價(jià)亮眼的原因。GPU價(jià)格低而且可支持巨量平行運(yùn)算(massive parallelism)，此點(diǎn)對(duì)于倚賴浮點(diǎn)運(yùn)算的訓(xùn)練端相當(dāng)重要。不過(guò)，目前市場(chǎng)競(jìng)爭(zhēng)已開(kāi)始轉(zhuǎn)往倚賴定點(diǎn)計(jì)算的推論端。
從各項(xiàng)端倪可發(fā)現(xiàn)，市場(chǎng)競(jìng)爭(zhēng)出現(xiàn)后對(duì)半導(dǎo)體產(chǎn)業(yè)也會(huì)帶來(lái)影響。因?yàn)橥普摬幌翊蠖嗑窒拊谫Y料中心的訓(xùn)練端，可以在資料中心或在地執(zhí)行，而且隨著演算法持續(xù)被精練后以及裝置如何運(yùn)作的流程被成形后，推論也可望推進(jìn)各種移動(dòng)裝置內(nèi)。
因此，整個(gè)發(fā)展對(duì)半導(dǎo)體產(chǎn)業(yè)是一項(xiàng)利多，因?yàn)閷?duì)極快速處理、大量存儲(chǔ)器與儲(chǔ)存與極快速芯片連線帶來(lái)極大需求。另外，基礎(chǔ)建設(shè)需求也會(huì)出現(xiàn)，以便能處理數(shù)據(jù)被傳輸裝置內(nèi)外的突然增加，除此之外，也會(huì)帶動(dòng)打造、驗(yàn)證或更快除錯(cuò)相關(guān)裝置的工具需求增加。
01月07日 18:14
