人工智能最新进展,神经网络功不可没

人工智能系统（如语音识别或人脸识别程序）的最新进展得益于神经网络。但是神经网络很大，而且计算耗能很高，所以对于手持设备来说它们不太实用。

 

据美国华人网消息，现在，麻省理工学院的研究人员开发了一种专用芯片，将神经网络计算的速度提高了三倍至七倍，同时将功耗降低了94％至95％。这可能使在智能手机上本地运行神经网络或将其嵌入家用电器中变得切实可行。

 

机器学习算法需要进行许多的计算，所以这种数据传输是能耗的主要部分，但这些算法的计算可以简化为一种特定的操作，称为点积。是否可以在内存中实现这种点积产品功能，以便不需要来回传输这些数据。

 

据美国华人网专业人士介绍，在这种芯片中，节点的输入值被转换成电压，然后乘以适当的权重。组合电压被转换回数字表示并存储，用于进一步处理。

       

因此，该芯片可以在一个步骤中计算多个节点的点积——在原型中每次16个——而不是在每个计算的处理器和存储器之间穿梭。

          

系统的关键之一是所有权重都是1或-1。这意味着它们可以作为简单的开关在存储器内实现，这些开关既可以关闭电路，也可以将其打开。最近的理论工作表明，只有两个权重训练的神经网络应该失去一点精度——大约在1％和2％之间。

 

研究人员的研究结果证明了这一点。在实验中，他们在传统计算机上运行神经网络，并在芯片上运行二进制重量等价物。他们的芯片结果一般在传统网络的2％到3％之内。