| cyqdesign |
2018-03-14 15:50 |
麻省理工學院設計出低功耗的人工智能芯片
神經(jīng)網(wǎng)絡非常強大，但是它們需要大量的能量。麻省理工學院的工程師們現(xiàn)開發(fā)出了一種新的芯片，可以將神經(jīng)網(wǎng)絡的功耗降低95%，這也許會使得其可在電池驅(qū)動的移動設備上運行。 } P ,"
a
\1QnCy
如今智能手機正變得越來越智能，提供了越來越多的人工智能服務，如數(shù)字助理和實時翻譯。但是，為這些服務進行數(shù)據(jù)運算的神經(jīng)網(wǎng)絡通常都在云端，智能手機的數(shù)據(jù)也是在云端來回傳輸。 (X,i,qK/
t+iHsCG)>
這并不是一種理想的狀態(tài)，因為這需要大量的通信帶寬，并且這意味著潛在的敏感數(shù)據(jù)正在被傳輸并存儲在不受用戶控制的服務器上。但是，圖形處理器的神經(jīng)網(wǎng)絡正常運行需要大量的能量，這使得在電池電量有限的設備上運行神經(jīng)網(wǎng)絡不切實際�！ � {V2"Pym?
~(ke'`gJ0-
麻省理工學院的工程師們現(xiàn)在已經(jīng)設計出了一種芯片，可以大幅降低芯片內(nèi)存和處理器之間來回傳輸數(shù)據(jù)的需求，從而降低95%的功耗。神經(jīng)網(wǎng)絡由成千上萬個一層層相互連接的人工神經(jīng)元組成。每個神經(jīng)元接收來自其下一層的多個神經(jīng)元的輸入，并且如果這一組合輸入通過了一個特定的閾值，它就會將輸出傳送到上層的多個神經(jīng)元上。神經(jīng)元之間的連接強度是由在訓練期間設定的權重控制的。 xNf}f 9 l
&<]f-
這意味著，對于每個神經(jīng)元，芯片必須檢索特定連接的輸入數(shù)據(jù)和來自內(nèi)存的連接權重，將它們相乘，存儲結(jié)果，然后在每一次輸入時重復這個過程。這需要大量的數(shù)據(jù)移動，也因此需要消耗大量的能量。麻省理工學院的新芯片另辟蹊徑，使用模擬電路，在內(nèi)存中并行計算所有輸入。這大大減少了需要被推進的數(shù)據(jù)量，并最終能節(jié)省大量的能源。這種方法要求連接的權重為二進制而不是一系列的值，但是先前的理論工作表明這不會對芯片的準確性造成太大影響，研究人員發(fā)現(xiàn)芯片的結(jié)果基本上包括在標準計算機上運行的傳統(tǒng)非二進制神經(jīng)網(wǎng)絡的2%到3%之內(nèi)。 w
| |