В настоящее время искусственные нейронные сети, работающие на принципах глубинного изучения и самообучения, используются для распознавания объектов на изображениях и для выполнения других функций искусственного интеллекта с очень низким уровнем совершаемых ошибок. Ярким примером этому является нейронная сеть, созданная специалистами лаборатории Google Deep Mind, которая недавно одержала победу над профессиональным игроком в Го, в сложную логическую игру. К сожалению, нейрочипы, чипы с искусственными нейронными сетями, весьма сложны и велики для того, чтобы их можно было использовать в портативной электронике и в смартфонах, где их некоторые функции могут оказаться очень полезными. Однако в будущем все может измениться, и ваш смартфон сможет обрести некоторую долю интеллекта. А это может стать возможным благодаря работе исследовательской группы из Массачусетского технологического института, которая на Международной конференции IEEE по твердотельной электронике представила чип, способный использовать сложное программное обеспечение нейронных сетей и энергетические показатели которого совместимы с портативной электроникой.

Большинство создаваемых сейчас нейронных сетей не являются универсальными, они все ориентированы на выполнение каких-либо конкретных задач, к примеру, для распознавания изображений. Но все эти сети пропускают поток входной информации через ряды математических фильтров, каждый из которых выполняет свою функцию, к примеру, определяет границы изображения, идентифицирует объекты на изображении и выясняет то, что показано на изображении в целом. Все эти процессы требуют перемещения достаточно больших объемов информации внутри процессора и их сложной обработки, что влечет за собой расход значительного количества энергии.



"Когда задачи искусственного интеллекта решаются при помощи графических процессоров, нейронные сети многократно перемещают одни и те же наборы данных от одного ядра к другому, что отрицательно сказывается как на быстродействии, так и на количестве требующейся энергии" - рассказывает Джоэл Эммер (Joel Emer), профессор информатики из Массачусетского технологического института и старший научный сотрудник компании NVidia, - "В архитектуре нашего чипа мы постарались хранить данные как можно ближе к вычислительным ядрам, выполняющим их обработку, что минимизирует необходимость их перемещения".

Новый нейрочип имеет 168 вычислительных ядер, каждое из которых снабжено своей собственной специализированной памятью, и, естественно, все ядра имеют возможность обмениваться данными с другими ядрами, находящимися по соседству. Кроме этого, нейрочип имеет один большой массив памяти, а все данные, передаваемые между ядрами и хранимые в памяти, сжимаются при помощи специальных процедур, что позволяет сэкономить объемы памяти и увеличить скорости обмена информацией.

При решении задач, вписывающихся в возможности нейронной сети чипа Eyeriss, этот чип потребляет 0.3 Ватта энергии, в то время, как для выполнения этой же задачи на мощностях графического процессора мобильного устройства требуется от 5 до 10 Ватт. "Чип Eyeriss является первым специализированным чипом, предназначенным для функционирования сложной нейронной сети" - пишут исследователи.

На нейрочипах предыдущего поколения, созданных группой из Массачусетса, могло работать достаточно ограниченное количество алгоритмов нейронных сетей. А на чипе Eyeriss уже может функционировать нейронная сеть под названием AlexNet, которая имеет достаточно высокую точность работы, позволяет выстраивать сети любого размера и уровня сложности и предъявляет высокие требования к аппаратному обеспечению.



Ключевые слова:
Чип, Нейронная, Сеть, Нейрочип, Искусственный, Интеллект, Eyeriss, Ядро, Память, Энергия, Смартфон

Первоисточник

Другие новости по теме:

Оптические нейронные сети - основа сверхбыстрых и сверхмощных систем искусственного интеллекта

Создана компьютерная нейронная сеть, возможности которой сравнимы с возможностями приматов в области распознавания визуальных образов

Создана самая большая нейронная сеть, предназначенная для реализации технологий искусственного интеллекта

Быстродействующие оптические системы могут заменить суперкомпьютеры в системах глубинного машинного изучения и искусственного интеллекта

Нейронные сети компании Google разработали свою собственную систему шифрования данных

Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.