MIT宣布新型神經(jīng)網(wǎng)絡(luò )芯片功耗降低95%

　　神經(jīng)網(wǎng)絡(luò )非常強大，但是它們需要大量的能量。麻省理工學(xué)院的工程師們現開(kāi)發(fā)出了一種新的芯片，可以將神經(jīng)網(wǎng)絡(luò )的功耗降低95%，這也許會(huì )使得其可在電池驅動(dòng)的移動(dòng)設備上運行。

　　如今智能手機正變得越來(lái)越智能，提供了越來(lái)越多的人工智能服務(wù)，如數字助理和實(shí)時(shí)翻譯。但是，為這些服務(wù)進(jìn)行數據運算的神經(jīng)網(wǎng)絡(luò )通常都在云端，智能手機的數據也是在云端來(lái)回傳輸。

　　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(zhù)潛在的敏感數據正在被傳輸并存儲在不受用戶(hù)控制的服務(wù)器上。但是，圖形處理器的神經(jīng)網(wǎng)絡(luò )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(luò )不切實(shí)際。

　　麻省理工學(xué)院的工程師們現在已經(jīng)設計出了一種芯片，可以大幅降低芯片內存和處理器之間來(lái)回傳輸數據的需求，從而降低95%的功耗。神經(jīng)網(wǎng)絡(luò )由成千上萬(wàn)個(gè)一層層相互連接的人工神經(jīng)元組成。每個(gè)神經(jīng)元接收來(lái)自其下一層的多個(gè)神經(jīng)元的輸入，并且如果這一組合輸入通過(guò)了一個(gè)特定的閾值，它就會(huì )將輸出傳送到上層的多個(gè)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。

　　這意味著(zhù)，對于每個(gè)神經(jīng)元，芯片必須檢索特定連接的輸入數據和來(lái)自?xún)却娴倪B接權重，將它們相乘，存儲結果，然后在每一次輸入時(shí)重復這個(gè)過(guò)程。這需要大量的數據移動(dòng)，也因此需要消耗大量的能量。麻省理工學(xué)院的新芯片另辟蹊徑，使用模擬電路，在內存中并行計算所有輸入。這大大減少了需要被推進(jìn)的數據量，并最終能節省大量的能源。這種方法要求連接的權重為二進(jìn)制而不是一系列的值，但是先前的理論工作表明這不會(huì )對芯片的準確性造成太大影響，研究人員發(fā)現芯片的結果基本上包括在標準計算機上運行的傳統非二進(jìn)制神經(jīng)網(wǎng)絡(luò )的2%到3%之內。

　　這并不是研究人員第一次在內存中創(chuàng )建處理數據的芯片，以減少神經(jīng)網(wǎng)絡(luò )的功耗，但這是第一次使用這種方法來(lái)運行基于圖像的人工智能應用程序的強大的卷積神經(jīng)網(wǎng)絡(luò )。IBM人工智能副總裁達里奧·吉爾在一份聲明中說(shuō)：“研究結果顯示，在使用內存陣列進(jìn)行卷積運算時(shí)，它的性能令人印象深刻。它肯定會(huì )為未來(lái)物聯(lián)網(wǎng)的圖像和視頻分類(lèi)提供更復雜的卷積神經(jīng)網(wǎng)絡(luò )。”

　　然而，不僅僅是研究小組在研究這個(gè)問(wèn)題。讓智能手機、家用電器、各種物聯(lián)網(wǎng)設備等設備搭載人工智能的愿望，正驅使著(zhù)硅谷的大佬們紛紛轉戰低功耗人工智能芯片。

　　蘋(píng)果已經(jīng)將其N(xiāo)euralEngine芯片整合到iPhoneX中，以增強其面部識別技術(shù)等功能。據傳，亞馬遜正在為下一代Echo數字助手開(kāi)發(fā)自己的定制AI芯片。大型芯片公司也越來(lái)越傾向于支持像機器學(xué)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(shí)候，ARM公司推出了兩款新芯片：ARM機器學(xué)習處理器，這一款芯片主要針對人工智能任務(wù)，從翻譯到面部識別，另一款則是用于檢測圖像中人臉的ARM對象檢測處理器。

　　高通最新推出的移動(dòng)芯片驍龍845配備了圖形處理器，并且將人工智能視為重中之重。該公司還發(fā)布了驍龍820E芯片，主要面向的是無(wú)人機、機器人和工業(yè)設備。從更長(cháng)遠來(lái)說(shuō)，IBM和英特爾正在開(kāi)發(fā)一種神經(jīng)形態(tài)芯片，其架構是從人類(lèi)大腦和其驚人的能量效率啟發(fā)而來(lái)。從理論上講，這可以讓IBM的TrueNorth芯片和英特爾的Loihi芯片僅花費傳統芯片所需要的能量的一小部分，便可運行強大的機器學(xué)習，不過(guò)在現階段，這兩種技術(shù)仍處于高度實(shí)驗階段。

　　讓這些芯片運行與云計算服務(wù)一樣強大的神經(jīng)網(wǎng)絡(luò )將是一個(gè)巨大的挑戰。但以目前的創(chuàng )新速度來(lái)看，離你觸手可及真正的人工智能的那一天不會(huì )太久。