IBM menggunakan pengkomputeran analog untuk kecerdasan buatan untuk membentuk semula pengkomputeran AI

IBM telah meneliti cara untuk membentuk semula cara kecerdasan buatan mengira. Penyelidik IBM telah menerbitkan kertas kerja yang menerangkan kejayaan dalam menggunakan pengkomputeran analog untuk kecerdasan buatan (AI).

Apabila membina sistem kecerdasan buatan, model data perlu dilatih. Ia adalah untuk memberikan pemberat yang berbeza kepada subset data latihan yang berbeza, seperti data imej yang menerangkan ciri kucing yang berbeza.

Apabila melatih sistem AI pada komputer tradisional (digital), model AI disimpan secara berselerak dalam ingatan. Tugas pengkomputeran memerlukan pemindahan data yang berterusan antara memori dan unit pemprosesan. IBM mengatakan proses ini melambatkan pengkomputeran dan mengehadkan kecekapan tenaga yang boleh dicapai.

Menggunakan pengkomputeran analog untuk kecerdasan buatan mungkin menyediakan cara yang lebih cekap untuk mencapai hasil yang sama seperti kecerdasan buatan yang dijalankan pada komputer digital. IBM mentakrifkan pengkomputeran dalam memori simulasi, atau kecerdasan buatan simulasi, sebagai teknologi yang meminjam ciri utama tentang cara rangkaian saraf dalam otak biologi beroperasi. Penyelidik mengatakan bahawa dalam otak manusia dan banyak haiwan lain, kekuatan sinaps, yang dipanggil pemberat, menentukan komunikasi antara neuron.

IBM berkata bahawa dalam sistem kecerdasan buatan simulasi, pemberat sinaptik ini disimpan secara in-situ dalam nilai konduktans peranti memori rintangan skala nano seperti memori perubahan fasa (PCM). Ia kemudiannya digunakan dalam rangkaian saraf dalam untuk melaksanakan operasi pendaraban kumulatif.

IBM berkata teknologi ini boleh mengurangkan keperluan untuk sentiasa menghantar data antara memori dan pemproses.

Dalam kertas kerja yang diterbitkan dalam Nature Electronics, IBM Research memperkenalkan cip kecerdasan buatan analog isyarat campuran yang boleh menjalankan pelbagai tugas inferens rangkaian saraf dalam (DNN). Menurut IBM, ini adalah cip analog pertama yang melaksanakan tugas AI penglihatan komputer serta cip digital dalam ujian, dan lebih cekap tenaga daripada yang kedua.

Cip ini dihasilkan di Pusat Nanoteknologi Albany IBM. Ia terdiri daripada 64 teras pengkomputeran memori analog (atau cip), masing-masing mengandungi susunan palang sel sinaptik 256 x 256. IBM berkata penukar analog-ke-digital berasaskan masa disepadukan ke dalam setiap cip untuk menukar antara data analog dan digital. Setiap cip juga menyepadukan unit pemprosesan digital ringan yang IBM katakan boleh melaksanakan fungsi pengaktifan neuron tak linear dan operasi penskalaan.

IBM menyatakan bahawa setiap cip boleh melakukan pengiraan yang berkaitan dengan lapisan model DNN. Penulis kertas itu berkata: "Dengan menggunakan cip ini, kami menjalankan kajian paling komprehensif tentang ketepatan pengiraan pengkomputeran memori analog dan mencapai ketepatan 92.81% pada set data imej CIFAR-10."

Atas ialah kandungan terperinci IBM menggunakan pengkomputeran analog untuk kecerdasan buatan untuk membentuk semula pengkomputeran AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!