Google一年追上摩爾定律七年進度

　　每年重要盛會之一的Google I/O 2016年開發者大會在美國時間18日上午登場，這次Google端出不少新東西，詳細可看科技新報的整理報導，還有一件值得關注的事，Google在大會上揭露公司正在打造機器學習專用的晶片--TPU(Tensor Processing Unit)。

　　Google 人工智能Alpha Go 在日前贏了南韓圍棋九段高手李世乭，AlphaGO 致勝的關鍵，就在于結合機器學習(Machine Learning)與深層類神經網路(deep neural networks)，模擬圍棋高手如何分析盤面、找出最有利的下法，步步為營。Google CEO 桑德爾?皮查(Sundar Pichai )在18 日Google I/O 大會上進一步揭露了這當中的秘密。

　　皮查指出，Google 專門為深層類神經網路設計了特殊應用IC(application-specific integrated circuit,ASIC)，以ASIC 為基礎的硬體或軟體，將能透過分析大量的數據學習特殊任務，Google 借由神經網路得以辨識物件、照片中的人臉、了解傳到Android 手機上的說話指令，以及翻譯技術，甚至因此改變了Google 搜尋引擎。也是這項技術提升了Alpha GO 的計算速度，并使其思慮看得更深遠。

　　Google將運用此技術打造的機器學習專用晶片稱之為TPU(Tensor Processing Unit)，Google在其自家部落格文章稱，由于TPU專為機器學習所運行，得以較傳統CPU、GPU降低精度，在計算所需的電晶體數量上，自然可以減少，也因此，可從電晶體中擠出更多效能，每秒執行更復雜、強大的機器學習模組，并加速模組的運用，使得使用者更快得到答案，Google指出，團隊已經在數據中心執行TPU超過一年，且發現TPU能讓機器學習每瓦提高一個數量級，粗略來說，相當于摩爾定律中晶片效能往前推進了七年或者三代。搭載TPU的機板只要安裝在Google數據中心的硬碟插槽上即可。

　　Google 在去年發表機器學習系統TensorFlow，并強調其為開源，意味著任何人都可以使用甚至修改這套軟體引擎，但不代表外部使用者可共享Google TPU 的設計，不過可以透過Google 云端服務使用Google各式機器學習軟硬體服務。

　　而Google 揭露了這項計畫也為半導體巨頭們帶來警訊，Google 并未使用、或什少使用IC大廠的晶片，而是自己自行研發晶片，微軟目前也利用FPGA 加速人工智能運算。