人工智能正變得可持續(xù)

Milano Politecnico di的一個(gè)研究小組開發(fā)了一種新的計(jì)算電路，可以在一次操作中執(zhí)行先進(jìn)的操作，這是人工智能神經(jīng)網(wǎng)絡(luò)的典型。

在速度和能耗方面的電路性能為新一代人工智能計(jì)算加速器鋪平了道路，這些加速器在全球范圍內(nèi)更節(jié)能、更可持續(xù)。 這項(xiàng)研究最近發(fā)表在著名的科學(xué)進(jìn)步雜志上。

認(rèn)識(shí)一張臉或一個(gè)物體，或正確解釋一個(gè)詞或一首音樂(lè)曲調(diào)，是今天在智能手機(jī)和平板電腦等最常見的電子設(shè)備上可以進(jìn)行的操作，這要?dú)w功于人工智能。 要做到這一點(diǎn)，復(fù)雜的神經(jīng)網(wǎng)絡(luò)需要適當(dāng)?shù)挠?xùn)練，這是如此的強(qiáng)烈要求，根據(jù)一些研究，碳足跡來(lái)自復(fù)雜的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練可以等于5輛汽車在整個(gè)生命周期的排放。

為了減少訓(xùn)練的時(shí)間和能量消耗，人們應(yīng)該開發(fā)與傳統(tǒng)方法完全不同的電路，并且能夠更準(zhǔn)確地模擬神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和生物突觸的特性。 一個(gè)典型的例子是內(nèi)存中計(jì)算的概念，其中數(shù)據(jù)直接在內(nèi)存中處理，就像在人腦中一樣。

基于這一類比，米蘭Politecnico di Milano的研究小組開發(fā)了一種新的電路，它可以在一次操作中執(zhí)行一個(gè)稱為回歸的數(shù)學(xué)函數(shù)。 為此，他們使用電阻存儲(chǔ)器，也稱為記憶器，一種可以記住任何基準(zhǔn)（例如，在某一時(shí)間共享的值）的電阻值的設(shè)備。 通過(guò)將這些內(nèi)存元素排列在一個(gè)大小為幾微米（百萬(wàn)分之一米）的數(shù)組中，Politecnico di Milano的組能夠?qū)σ唤M數(shù)據(jù)執(zhí)行線性回歸。

這種操作能夠確定最能描述數(shù)據(jù)序列的直線，例如，允許基于簡(jiǎn)單的線性模型預(yù)測(cè)股票市場(chǎng)的趨勢(shì)。 還演示了后勤回歸，它允許在數(shù)據(jù)庫(kù)中對(duì)數(shù)據(jù)進(jìn)行分類。 這一功能對(duì)于所謂的推薦系統(tǒng)至關(guān)重要，因?yàn)橥扑]系統(tǒng)是網(wǎng)上采購(gòu)的關(guān)鍵營(yíng)銷工具。