MIT имеет новый чип, который делает ИИ более быстрым и эффективным на смартфонах

15.02.2018 0:42 24

MIT имеет новый чип, который делает ИИ более быстрым и эффективным на смартфонах

Всего через один день после того, как MIT выяснило, что некоторые из его исследователей создали супермассивный чип для обработки шифрования, институт вернулся с чипом нейронной сети, который снижает потребление энергии на 95 процентов. Эта функция делает их идеальными для гаджетов с батарейным питанием, таких как мобильные телефоны и планшеты, чтобы использовать более сложные нейронные сетевые системы.

Нейронные сети состоят из множества базовых взаимосвязанных информационных процессоров, которые взаимосвязаны. Как правило, эти сети учатся выполнять задачи, анализируя огромные массивы данных и применяя это к новым задачам. Они используются в настоящее время - такие типичные вещи, как распознавание речи, манипулирование фотографиями, а также более новые задачи, такие как воспроизведение того, что на самом деле видит ваш мозг.

Проблема в том, что нейронные сети большие, а вычисления, которые они проводят, являются энергоемкими. По этой причине те, что в вашем телефоне, как правило, крошечные, что ограничивает их конечную практичность. В дополнение к снижению мощности новый чип MIT увеличивает скорость вычислений нейронных сетей в три-семь раз по сравнению с более ранними итерациями. Исследователи смогли упростить алгоритмы машинного обучения в нейронных сетях до одной точки, называемой точечным продуктом. Это представляет все перемещения различных узлов в нейронной сети назад и вперед и устраняет необходимость передавать эти данные назад и вперед в память, как в предыдущих проектах. Новый чип может вычислять точечные продукты для нескольких узлов (16 узлов в прототипе) за один шаг вместо перемещения исходных результатов каждого вычисления между процессором и памятью.

Вице-президент IBM по ИИ Дарио Гил считает, что это огромный шаг вперед. «Результаты показывают впечатляющие спецификации для энергосберегающей реализации операций свертки с массивами памяти», - сказал он в своем заявлении. «Это, безусловно, откроет возможность использовать более сложные сверточные нейронные сети для классификации изображений и видео в IoT в будущем».