AI突破的可能

新的信号处理方法 
 
 非常高的等价算力 
 高效率
 
 单bit 
 非数学直接等价（乘加）的计算：查找表 
 处理好，抽象好，不可避免的动态特性 
 训练受梯度下降算法严格绑定，受数学约束，不太容易改变，但是推理可以
 
 传统的多个乘法，表示成特定的逻辑运算或者最复杂的LUT 
 根据特定模型而动态配置的固定的物理计算逻辑电路 
 
 
 
 
 非传统数字电路
 
 存算
 
 针对性的算法端到端实现，避免为了实现传统数学定义而引入的各种负责度
 
 精度/误差 
 复杂的ADC及数据矫正 
 复杂的偏移和预处理、后处理 
 
 
 
 
 模拟 
 光子 
 
 
 
 新算法 
 
 充分利用大算力，减少数据流动
 
 上下文无关：必要的中间结果的流动，但是权重固定，有点像存算 
 上下文相关：自然的，固定的broadcast网络 
 
 
 更高的并行化
 
 更细粒度，更高规模的并行，而不需要同步 
 
 
 减少动态性
 
 支持数据动态，但是减少结构化动态 
 
 
 
 算法的上层要求 
 
 一个足够复杂的处理系统，能同时输入很多数据，输出很多数据 
 能够被按照意愿进行调整 
 
 新的计算范式 
 梯度下降 
 
 信号处理过程必须是线性的 
 目标是明确的 
 充分的精细的梯度下降（训练）代表在当前权重下的最优解 
 
 数据的组织方式 
 
 无缝包含各种类型的数据 
 人类不可读的数据信息