NirViaje / nirviaje.github.io

https://nirviaje.github.io/

16 stars 4 forks source link

CAD on the way to self-boost machine intelligence #63

Open NirViaje opened 4 years ago

NirViaje commented 4 years ago

通向强AI之路的CAD

标题随时改

李开复书《AI未来》当中，描述了四波“AI浪潮”：

AI是数据驱动，海量的数据是AI成功的要素，所以第一波浪潮一定是互联网数据的这一波。

第二波浪潮是金融和很多其他的有标准化产品机会的各种领域，所谓的商业智能化，数据仓库。

第三波浪潮是AI将有眼睛、耳朵还有更多传感器可以听到，感受到人类更多的信息。

第四波浪潮AI将能够动，有手有脚，有轮子，在制造方面，在机器人方面，在无人驾驶方面将带来很大价值。所以它将重塑各个行业。

全自动CAD

提需求，自动生成产品
- 最终的效果是，给指标，直接设计反应堆，给环境参数，直接设计月球基地
- DARPA：自动化芯片设计

这是机器自主演化的关键环节呀

到时候真的提需求，云计算24小时出结果，芯片随便出
- 以后设计规模不是用人年来算，而是用千瓦时来算
- 可以假定比如一人日约1kwh
- 折合一下，几兆瓦开一星期的规模大概相当于千人年

这个过程是渐进的，最终是结合传感器网络自动分析需求

在这之前自动化辅助设计已经很重要了

下一步，打通自动化职业科学家

如

比如说机械制图，其实和拼音输入法很像，一串交互序列产生制图结果
- 但这个过程没有利用到马氏链的信息压缩特性
- 机械工程师累就累在大量频繁的底层输入
- coding有各种代码提示，CAD可没有
self-bootstrap 可以在虚拟世界里展开，但在物理世界展开不会太快
- 所以这里有两次系统自举，第一次在虚拟世界，第二次在物理世界
- 这个计算力要求远没到奇点规模
- 奇点是把每个原子的微观状态数算进去了

第一次自举

我觉得现在ai首先就是要完成第一次自举
- 主动构建模型的能力
- 计算能力逼近人脑不是啥大问题
- 并且新一代光神经网络的确很看好玻璃里面嵌石墨烯或者染料半导体的夹层作为非线性层，之后的制造方法和光刻一样，这比图灵光计算容易多了，唯一的问题是网络是固化的，不过不要紧，只要增量用电计算就行，晶圆尺度的计算也上来了，以后ai计算中心就是新的热电厂，忆阻器芯片终于出了，新的计算范式这一年多进化极快

Sci-Fi: 晶圆叛逃史

机器重建整个半导体工业