IBM的新型AI晶元或可使AI能效提高100倍

AiTechYun

編輯：chux

神經網路在AI中具有舉足輕重的地位，它們很擅長數據方面的處理，如轉錄語音或以近乎完美的準確度描述圖像。問題在於神經網路模仿人類大腦的結構，通常是用軟體而不是硬體來構建的，軟體運行在傳統的計算機晶元上。而這會降低速度。

IBM現在已經表明，直接在硅中構建神經網路的關鍵特性可以使其效率提高100倍。以這種方式建造的晶元可能會在未來幾年大大加速機器學習。

IBM晶元就像用軟體編寫的神經網路一樣模仿連接大腦中單個神經元的突觸。這些突觸連接的強度需要調整以便網路學習。在大腦中，這種情況的發生是隨著時間的推移而增長或萎縮的。這很容易在軟體中複製，但用硬體難以實現，然而現在有了突破進展。

IBM研究人員在Nature雜誌發表的一篇研究論文中展示了微電子突觸。他們的方法從神經科學中獲得啟發，通過使用兩種類型的突觸：短時計算和長時記憶。美國國家科學和技術研究院正在研究受神經影響的計算機硬體的研究員Michael Schneider說，這種方法解決了一些關鍵問題，其中最顯著的是低準確度，這讓之前在硅上構建人工神經網路存在問題。

研究人員測試了一個由兩個簡單圖像識別任務構成的神經網路：手寫和彩色圖像分類。他們發現該系統與基於軟體的深度神經網路一樣精確，它只消耗1％的能量。

這個發現不僅對人工智慧很重要。如果它擴展到商業生產，它可能會證明IBM的重大賭注。儘管目前公司不銷售電腦晶元，但它一直在投資徹底改造計算機硬體，新型的微電子元件可能有助於為下一個重大進展提供動力。這項新技術可能是第一步，使機器學習更加高效，並且更易於部署在智能手機等小型設備上。

Schneider表示：「在能效和訓練速度方面，為現有的100倍目標努力似乎的確值得。」然而，並非每個人都相信這一點。在斯坦福大學研究計算機體系結構的Kwabena Boahen認為，這項工作讓他想起了那些關於記憶電阻器的炒作，那是一種可調的晶體管，有點類似於突觸，在過去的十多年裡一直處於發展不充分的狀態。

IBM晶元的設計也相對笨拙，由不少於五個晶體管和至少三個其他組件組成，而普通晶元上只有單個晶體管。此外，該系統的某些方面迄今僅進行了模擬測試，IBM仍然需要構建和測試完整的晶元。儘管如此，這項工作可能是受到生物學啟發的重要一步，它可能會直探AI邏輯的核心。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！