還記得前段時間沸沸揚揚的Google人工智能Alpha Go在南韓圍贏了圍棋九段高手李世乭的事嗎？Alpha GO致勝的關鍵，就在于結合機器學習與深層類神經網路，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·皮查在美國時間18日上午的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，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。

　　上周四，媒體曾經向谷歌咨詢定制AI芯片TPU的事，谷歌拒絕置評，只是說馬上就會有更多的消息公布。然而一天之后，谷歌改變了態度，對一些問題給予了回復，問題是新聞發言人通過郵件形式回應的。

　　下面我們就來看看谷歌是如何解釋TPU的：

　　1、TPU預先訓練過嗎？

　　這是一個大問題，谷歌無法回答。它可能是預先訓練過的，但是我們并不能確切地知道。TPU是否經過訓練，要看它執行的AI算法是否在獨立系統中訓練過。要訓練AI系統識別一張圖片，你必須向它展示幾百萬張圖片，經過反復嘗試才能學會。一旦學習完成，你只需要讓算法在芯片上運行就可以了。例如，IBM的TrueNorth和Fathom芯片（來自創業公司Movidius）就是經過訓練的。TPU有很大的可能訓練過，但是谷歌不會這樣說。