MIT研发新型神经网络芯片 可降低95%传输功耗

据外媒报道，近日麻省理工学院（MIT）的工程师研发出了一种新型神经网络芯片，可实现神经网络信息传输功耗降低95%。这将使电池驱动的移动设备可以最低的功耗运行神经网络程序。

据悉，MIT工程师研发出的这款神经网络芯片，可大幅降低芯片内存和处理器之间来回传输数据的需求实现功耗降低95%。MIT工程师设计的芯片将应用于电池驱动的移动设备，诸如智能手机实现数字助理、实时翻译等人工智能服务，其需要借助云端传输数据所消耗的巨大能耗问题。

一般来讲，神经网络由成千上万个层层互联的人工神经元组成，单个神经元接收来自下一层神经元的输入，一旦这个组合输入超出训练期间设定的阈值，其就会输出到上层的多个神经元上。这意味着，单个神经元、芯片要检索特定连接输入数据和内存的连接权重，再相乘存储结果，然后在每次输入时进行过程重复。这就需要大量移动数据和能量的消耗。

MIT工程师借助模拟电路，在内存中并行计算所有输入。这不仅减少需要被推进的数据量，并可节省大量能源。这是第一次运用这种方法来运行基于图像的人工智能应用程序的强大的卷积神经网络。

当然，这并不是研发人员第一次利用内存创建处理数据而减少神经网络功耗。IBM人工智能副总裁达里奥·吉尔此前曾表示，“研究结果显示，在使用内存阵列进行卷积运算时，它的性能令人印象深刻。它肯定会为未来物联网的图像和视频分类提供更复杂的卷积神经网络。”

可处理数据的内存芯片的研发，将有助于未来智能手机、家用电器、各种物联网设备等设备搭载人工智能。同时，也进一步刺激硅谷巨头在低功耗人工智能芯片领域的研发投入。