不得不說，“ai”芯片仿佛某種天譴之物般，哪怕這位神孽不斷地高歌“創(chuàng)生圣言”，賦予林奇充足而龐大無比的創(chuàng)造力，甚至讓他時刻都有著神明的錯覺，那ai芯片在記憶宮殿里依舊艱難難產(chǎn)著。

    這種奧妙至巔峰的作品，一旦出世便能夠影響整個魔法文明的存在，林奇腦海里對他的構(gòu)想，終究是輕微了。

    放在外人看來，林奇的所作所為，就像是將一副從a到k，包括花色順序排好的撲克牌，隨意遞給十余位路人切牌洗牌，隨即他再接過來隨便洗上十余秒，然后將所有的牌序恢復(fù)如初一樣。

    甚至就像是隨手遞給一個初學(xué)者擰亂的魔方，結(jié)果對方隨手便復(fù)原了出來。

    這些都并非不可能，而是出現(xiàn)的概率太小。

    林奇眼下的“ai芯片”，也是如此。

    就像是無數(shù)隨意的亂洗牌里，慢慢地揉捏出規(guī)律的杰作來，也就大自然的鬼斧神工，才能擔(dān)得起這一名字。

    很快。

    隨著整個芯片大體架構(gòu)的成型時，林奇也開始陷入一種莫名的震驚之中！

    一種類似谷歌曾經(jīng)開發(fā)來alphago的人工智能芯片？

    這讓林奇忍不住想起博識圖書館地底奎因殿下的試煉，便是以圍棋智力壓服對手便可以拿到預(yù)言的線頭。

    曾經(jīng)的邏輯，仿佛在這一刻重新匯聚起來。

    tpu？

    這款谷歌17年專門為了機(jī)器學(xué)習(xí)而開發(fā)定制的專用集成電路（asic）僅僅用了一年便轉(zhuǎn)移到云端作為商用，而它也遵循著cpu與gpu的路線。

    tpu。

    中文名字，張量處理單元。

    說來廣大群眾第一次接觸張量這個名字，可能還是靠著看時間簡史之類的科普著作。

    張量，來自于數(shù)學(xué)，以多線性方式將幾何向量、標(biāo)量和其他類似對象映射到結(jié)果張量的幾何對象。

    當(dāng)時林奇第一次也沒聽懂。

    不過他看了看還是大致明白過來，所謂張量，就是一個廣義的矩陣。

    高中學(xué)習(xí)的向量是一維矩陣，數(shù)字的立方體是三維矩陣，甚至耽擱數(shù)字也是矩陣。

    這里冥冥中已經(jīng)和那神經(jīng)網(wǎng)絡(luò)算法所切合，而張量之所以與純矩陣有曲風(fēng)，便在于他擁有動態(tài)特征——生活在結(jié)構(gòu)中，與其他數(shù)學(xué)實(shí)體相互作用。

    而計算機(jī)科學(xué)里，張量則是一個n緯矩陣。

    林奇默默在紙面上重新打版，剛剛他已經(jīng)將整個神秘的控制知識拱手托出，與著神孽交換。

    至于對方是否會靠此找到成神的專門要是與切記，他也都無所謂。

    火都燒到眉頭了，誰還會估計明天的飯菜熱不熱。

    而隨著書寫，林奇的板書筆法也越發(fā)飄忽——

    訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)以標(biāo)簽或預(yù)估值對數(shù)據(jù)分類，此乃推理。

    因此每個神經(jīng)元都需要進(jìn)行計算。

    輸入數(shù)據(jù)乘以權(quán)重，表示信號強(qiáng)度。

    結(jié)果相加聚合神經(jīng)元狀態(tài)。

    使用激活函數(shù)調(diào)節(jié)神經(jīng)元參數(shù)活動。

    如此一步接著一步，連綿不絕。

    按理說，三個輸入而只有兩個神經(jīng)元與一個單層神經(jīng)網(wǎng)絡(luò)的話，權(quán)重與輸入便要六次乘法……

    如此一來，矩陣?yán)锏某似c取片，都需要大量的cpu周期與內(nèi)存，而tpu這種芯片，便是為了減輕這種負(fù)荷而生。

    林奇忍不住皺眉看了眼周圍。

    某種程度而言，計算量的負(fù)荷和電網(wǎng)的負(fù)荷很類似，最大的負(fù)荷便決定了整體的高峰所在（計算難度），也決定了接下來他完成“ai芯片”后所能夠到達(dá)的高峰。

    而供與求有需要平衡，不然的話，第一道崩潰的便是自身。

    只是他很快又重新被tpu的構(gòu)架所吸引而癡迷起來。

    只有深入一個項(xiàng)目，才能徹底體會他的樂趣。

    因此懂是第一步環(huán)節(jié)。

    這也是棋類活動里，容易入門的象棋比起圍棋受眾要光，而五子棋又比起象棋還有光。

    林奇越看，越發(fā)忍不住嘖嘖稱奇。

    這tpu的架構(gòu)居然采用了量子技術(shù)，在預(yù)設(shè)的最大值和最小值與八位整數(shù)之間的任意值的近似過程里，tpu居然包含了足足六萬五千五百三十六個八位整數(shù)乘法器，直接將32位或者16位的計算壓縮成為8位。

    實(shí)現(xiàn)了曲線的離散化。

    完美地減少了神經(jīng)網(wǎng)絡(luò)預(yù)測的成本。

    第二點(diǎn)，也是更關(guān)鍵的。

    正如林奇最初所推崇的硬件。

    tpu芯片直接封裝了種種神經(jīng)網(wǎng)絡(luò)計算工具。

    諸如矩陣乘法單元，統(tǒng)一緩沖區(qū)，激活單元等，它們以后十?dāng)?shù)個高級指令組成，集中完成神經(jīng)網(wǎng)絡(luò)推理所需要的數(shù)學(xué)計算。

    同時它又采用了典型的risc處理器為簡單計算提供指令。它的矩陣乘法器單元而不是傳統(tǒng)的標(biāo)量處理器，得以在一個時鐘周期內(nèi)，以矩陣cao作，完成數(shù)十萬個cao作。

    打個比方，傳統(tǒng)cpu是逐行打印，而tpu芯片則能夠做到影印效果。

    如此種種特性，讓它在神經(jīng)網(wǎng)絡(luò)計算收斂方面擁有非凡的效果，曾經(jīng)幾天才能訓(xùn)練出的成功，現(xiàn)在一小時不到就能夠完成。

    林奇不禁感慨萬分。

    難怪說站在巨人的肩膀上就是爽。

    讓他自己來設(shè)計，如何能夠突破看似最簡單的加法器這個關(guān)卡？

    萬丈高樓平地起，曾經(jīng)的林奇開發(fā)cpu時，第一步入門選擇完成的模塊便是加法器，因?yàn)樗脑碜詈唵?，也是最容易?shí)現(xiàn)的cao作。

    然而整個tpu芯片，居然本質(zhì)上也是做加法器？

    它的核心便是由乘加器組合形成的256x256的運(yùn)算器陣列：乘法矩陣。

    這種冥冥中的呼應(yīng)，也讓林奇有些哭笑不得。