訂閱電子報∣ 友善列印字體大小 文章分享-Facebook 文章分享-Plurk 文章分享-Twitter
重大突破!MIT宣佈新型神經網路晶片功耗降低95%
獲取產業訊息零時差!立即訂閱電電公會電子報。
神經網路非常強大,但是它們需要大量的能量。麻省理工學院的工程師們現開發出了一種新的晶片,可以將神經網路的功耗降低95%,這也許會使得其可在電池驅動的移動設備上運行。

如今智慧手機正變得越來越智慧,提供了越來越多的人工智慧服務,如數位助理和即時翻譯。但是,為這些服務進行資料運算的神經網路通常都在雲端,智慧手機的資料也是在雲端來回傳輸。

這並不是一種理想的狀態,因為這需要大量的通信頻寬,並且這意味著潛在的敏感性資料正在被傳輸並存儲在不受使用者控制的伺服器上。但是,圖形處理器的神經網路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網路不切實際。

麻省理工學院的工程師們現在已經設計出了一種晶片,可以大幅降低晶片記憶體和處理器之間來回傳輸資料的需求,從而降低95%的功耗。神經網路由成千上萬個一層層相互連接的人工神經元組成。每個神經元接收來自其下一層的多個神經元的輸入,並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元上。神經元之間的連接強度是由在訓練期間設定的權重控制的。

這意味著,對於每個神經元,晶片必須檢索特定連接的輸入資料和來自記憶體的連接權重,將它們相乘,存儲結果,然後在每一次輸入時重複這個過程。這需要大量的資料移動,也因此需要消耗大量的能量。麻省理工學院的新晶片另闢蹊徑,使用類比電路,在記憶體中平行計算所有輸入。這大大減少了需要被推進的資料量,並最終能節省大量的能源。這種方法要求連接的權重為二進位而不是一系列的值,但是先前的理論工作表明這不會對晶片的準確性造成太大影響,研究人員發現晶片的結果基本上包括在標準電腦上運行的傳統非二進位神經網路的2%到3%之內。

這並不是研究人員第一次在記憶體中創建處理資料的晶片,以減少神經網路的功耗,但這是第一次使用這種方法來運行基於圖像的人工智慧應用程式的強大的卷積神經網路。IBM人工智慧副總裁達裡奧·吉爾在一份聲明中說:“研究結果顯示,在使用記憶體陣列進行卷積運算時,它的性能令人印象深刻。它肯定會為未來物聯網的圖像和視頻分類提供更複雜的卷積神經網路。”

然而,不僅僅是研究小組在研究這個問題。讓智慧手機、家用電器、各種物聯網設備等設備搭載人工智慧的願望,正驅使著矽穀的大佬們紛紛轉戰低功耗人工智慧晶片。

蘋果已經將其Neural Engine晶片整合到iPhone X中,以增強其面部識別技術等功能。據傳,亞馬遜正在為下一代Echo數位助手開發自己的定制AI晶片。大型晶片公司也越來越傾向於支持像機器學習這樣的高級功能,這也迫使他們讓設備升級,變得更加節能。今年早些時候,ARM公司推出了兩款新晶片:ARM機器學習處理器,這一款晶片主要針對人工智慧任務,從翻譯到面部識別,另一款則是用於檢測圖像中人臉的ARM物件檢測處理器。

高通最新推出的移動晶片驍龍845配備了圖形處理器,並且將人工智慧視為重中之重。該公司還發佈了驍龍820E晶片,主要面向的是無人機、機器人和工業設備。從更長遠來說,IBM和英特爾正在開發一種神經形態晶片,其架構是從人類大腦和其驚人的能量效率啟發而來。從理論上講,這可以讓IBM的TrueNorth晶片和英特爾的Loihi晶片僅花費傳統晶片所需要的能量的一小部分,便可運行強大的機器學習,不過在現階段,這兩種技術仍處於高度實驗階段。

讓這些晶片運行與雲計算服務一樣強大的神經網路將是一個巨大的挑戰。但以目前的創新速度來看,離你觸手可及真正的人工智慧的那一天不會太久。
 
訂閱電子報 友善列印 字體大小:
獲取產業訊息零時差!立即訂閱電電公會電子報。