0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

未來智能實(shí)驗(yàn)室的開展,用于運(yùn)行神經(jīng)網(wǎng)絡(luò)的新的芯片的研究

mK5P_AItists ? 來源:未知 ? 作者:工程師郭婷 ? 2018-06-29 13:59 ? 次閱讀

GPU上運(yùn)行的神經(jīng)網(wǎng)絡(luò)已經(jīng)在人工智能領(lǐng)域取得了一些驚人的進(jìn)步,但這兩者的合作還并不完美。IBM的研究人員希望能設(shè)計(jì)出一種專門用于運(yùn)行神經(jīng)網(wǎng)絡(luò)的新的芯片,從而提供更快、更有效的替代方案。

直到本世紀(jì)初,研究人員才意識(shí)到,為視頻游戲設(shè)計(jì)的GPU(圖形處理單元)可以被用作硬件加速器,以運(yùn)行比以前更大的神經(jīng)網(wǎng)絡(luò)。

這要?dú)w功于這些芯片能夠并行進(jìn)行大量計(jì)算,而不是像傳統(tǒng)CPU那樣按順序處理它們。這對(duì)于同時(shí)計(jì)算構(gòu)成深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的數(shù)百個(gè)神經(jīng)元的權(quán)重特別有用。

GPU的引入使這一領(lǐng)域得到了發(fā)展,但這些芯片仍然需要將處理和存儲(chǔ)分開,這意味著大量的時(shí)間和精力都花在了兩者之間的數(shù)據(jù)傳輸上。這促使人們開始研究新的存儲(chǔ)技術(shù),這些技術(shù)能夠存儲(chǔ)和處理同一位置的權(quán)重?cái)?shù)據(jù),從而提高速度和能源效率。

這種新的存儲(chǔ)設(shè)備通過調(diào)整它們的電阻水平,以模擬的形式存儲(chǔ)數(shù)據(jù)——也就是說,數(shù)據(jù)被存儲(chǔ)在一個(gè)連續(xù)的范圍內(nèi),而不是數(shù)字存儲(chǔ)器的二進(jìn)制1和0。因?yàn)樾畔⒋鎯?chǔ)在存儲(chǔ)單元的電導(dǎo)中,所以可以簡(jiǎn)單地在存儲(chǔ)單元間傳遞電壓并讓系統(tǒng)通過物理方法來進(jìn)行計(jì)算。

但是這些設(shè)備固有的物理缺陷意味著它們的行為并不一致,這導(dǎo)致了目前使用它們來訓(xùn)練神經(jīng)網(wǎng)絡(luò)的分類精度明顯低于使用GPU。

“我們可以在一個(gè)比GPU更快的系統(tǒng)上進(jìn)行訓(xùn)練,但如果訓(xùn)練操作不那么準(zhǔn)確,那是沒有用的,”領(lǐng)導(dǎo)該項(xiàng)目的IBM Research博士后研究員Stefano Ambrogio在接受Singularity Hub采訪時(shí)說,“到目前為止,還沒有證據(jù)表明使用這些新設(shè)備能像使用GPU一樣精確?!?/p>

但研究又有了新的進(jìn)展。發(fā)表在《自然》雜志上的一篇論文中,Ambrogio和他的同事們描述了他們是如何利用新興的模擬記憶和更傳統(tǒng)的電子元件組合來創(chuàng)造出一種芯片,這種芯片可以與GPU的精度相匹配,同時(shí)運(yùn)行速度更快,能耗更少。

這些新的存儲(chǔ)技術(shù)難以訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)的原因是,這個(gè)過程需要將每個(gè)神經(jīng)元的權(quán)重進(jìn)行上下數(shù)千次的刺激,直到網(wǎng)絡(luò)完全對(duì)齊。改變這些設(shè)備的電阻需要重新配置它們的原子結(jié)構(gòu),而且每次的操作過程都不一樣,Ambrogio說。這些刺激并不總是完全相同,這導(dǎo)致了對(duì)神經(jīng)元權(quán)重的不精確的調(diào)整。

研究人員通過創(chuàng)造“突觸單元”來解決這個(gè)問題,這些“突觸單元”每一個(gè)都對(duì)應(yīng)于網(wǎng)絡(luò)中的單個(gè)神經(jīng)元,同時(shí)具有長(zhǎng)期和短期記憶。每個(gè)單元格由一對(duì)相變存儲(chǔ)器(PCM)單元和三個(gè)晶體管以及一個(gè)電容的組合構(gòu)成,PCM在電阻中存儲(chǔ)權(quán)重?cái)?shù)據(jù),電容將權(quán)重?cái)?shù)據(jù)存儲(chǔ)為電荷。

PCM是一種“非易失性存儲(chǔ)器”,這意味著即使沒有外部電源,它也能保留存儲(chǔ)的信息,而電容器是“易失性的”,所以只能在幾毫秒內(nèi)保持它的電荷。但是電容器沒有PCM設(shè)備的可變性,因此可以快速而準(zhǔn)確地編程。

當(dāng)神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行訓(xùn)練以完成分類任務(wù)時(shí),只有電容器的權(quán)重會(huì)被更新。在瀏覽到幾千張圖片后,權(quán)重?cái)?shù)據(jù)會(huì)被轉(zhuǎn)移到PCM單元進(jìn)行長(zhǎng)期存儲(chǔ)。PCM的可變性意味著,權(quán)重?cái)?shù)據(jù)的轉(zhuǎn)移仍然有可能包含錯(cuò)誤,但是由于該單元只是偶爾更新,所以可以在不增加系統(tǒng)復(fù)雜性的情況下再次檢查電導(dǎo)。Ambrogio說,如果直接在PCM單元上進(jìn)行訓(xùn)練,這就不可行了。

為了測(cè)試他們的設(shè)備,研究人員對(duì)他們的網(wǎng)絡(luò)進(jìn)行了一系列流行圖像識(shí)別的基準(zhǔn)測(cè)試,結(jié)果達(dá)到了與谷歌領(lǐng)先的神經(jīng)網(wǎng)絡(luò)軟件TensorFlow相當(dāng)?shù)木_度。但重要的是,他們預(yù)測(cè),最終構(gòu)建出的芯片將比GPU的能效高280倍,而且在每平方毫米面積上實(shí)現(xiàn)的算力將達(dá)到CPU的100倍。值得注意的是,研究人員還沒有完全構(gòu)建出這一芯片。

雖然在測(cè)試中使用了真正的PCM單元,但其它組件是在計(jì)算機(jī)上模擬的。Ambrogio表示,他們希望在投入時(shí)間和精力打造完整的芯片之前,先檢查一下這種方法是否可行。他說,他們決定使用真正的PCM設(shè)備,因?yàn)閷?duì)這些設(shè)備的模擬還不太可靠,但其它組件的模擬技術(shù)已經(jīng)很成熟了,他們有信心基于這個(gè)設(shè)計(jì)建立一個(gè)完整的芯片。

它目前也只能在全連接神經(jīng)網(wǎng)絡(luò)上與GPU競(jìng)爭(zhēng),在這個(gè)神經(jīng)網(wǎng)絡(luò)中,每個(gè)神經(jīng)元都與上一層的神經(jīng)元相連接,Ambrogio說。但實(shí)際上許多神經(jīng)網(wǎng)絡(luò)并沒有完全連接,或者只有某些層完全連接在一起。

但Ambrogio說,最終的芯片將被設(shè)計(jì)成可以與GPU合作的形式,從而在處理其它連接時(shí)也能夠處理全連接層的計(jì)算。他還認(rèn)為,這種處理全連接層的更有效的方法可以被更廣泛地應(yīng)用。

這樣的專用芯片能夠使哪些事情成為可能?

Ambrogio說,有兩個(gè)主要的應(yīng)用:一是將人工智能應(yīng)用到個(gè)人設(shè)備上,二是使數(shù)據(jù)中心更加高效。后者是大型科技公司的一大擔(dān)憂,因?yàn)樗鼈兊姆?wù)器消耗了大量的電費(fèi)。

如果直接在個(gè)人設(shè)備上應(yīng)用人工智能,用戶就可以不必在云端分享他們的數(shù)據(jù),從而增加隱私性,但Ambrogio說,更令人興奮的前景是人工智能的個(gè)性化。

他說:“在你的汽車或智能手機(jī)上應(yīng)用這個(gè)神經(jīng)網(wǎng)絡(luò),它們就能夠不斷地從你的經(jīng)驗(yàn)中學(xué)習(xí)?!?/p>

“你的手機(jī)會(huì)專門針對(duì)你的聲音進(jìn)行個(gè)性化,你的汽車也會(huì)根據(jù)你的習(xí)慣形成獨(dú)特的駕駛方式?!?/p>

未來智能實(shí)驗(yàn)室是人工智能學(xué)家與科學(xué)院相關(guān)機(jī)構(gòu)聯(lián)合成立的人工智能,互聯(lián)網(wǎng)和腦科學(xué)交叉研究機(jī)構(gòu)。

未來智能實(shí)驗(yàn)室的主要工作包括:建立AI智能系統(tǒng)智商評(píng)測(cè)體系,開展世界人工智能智商評(píng)測(cè);開展互聯(lián)網(wǎng)(城市)云腦研究計(jì)劃,構(gòu)建互聯(lián)網(wǎng)(城市)云腦技術(shù)和企業(yè)圖譜,為提升企業(yè),行業(yè)與城市的智能水平服務(wù)。


聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • cpu
    cpu
    +關(guān)注

    關(guān)注

    68

    文章

    11031

    瀏覽量

    215924
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4806

    瀏覽量

    102724
  • 人工智能
    +關(guān)注

    關(guān)注

    1804

    文章

    48677

    瀏覽量

    246279

原文標(biāo)題:讓AI個(gè)性化而且功耗更低 IBM研發(fā)新型神經(jīng)網(wǎng)絡(luò)芯片

文章出處:【微信號(hào):AItists,微信公眾號(hào):人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 0人收藏

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    實(shí)驗(yàn)室安全管理成焦點(diǎn),漢威科技賦能實(shí)驗(yàn)室安全升級(jí)

    實(shí)驗(yàn)室是國(guó)家科技創(chuàng)新體系的重要組成部分,是國(guó)家組織高水平基礎(chǔ)研究和應(yīng)用基礎(chǔ)研究、聚集和培養(yǎng)優(yōu)秀科學(xué)家、開展學(xué)術(shù)交流的重要基地。近年來,各高校、研究
    的頭像 發(fā)表于 04-10 10:41 ?317次閱讀
    <b class='flag-5'>實(shí)驗(yàn)室</b>安全管理成焦點(diǎn),漢威科技賦能<b class='flag-5'>實(shí)驗(yàn)室</b>安全升級(jí)

    基于光學(xué)衍射神經(jīng)網(wǎng)絡(luò)的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

    隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展,光學(xué)神經(jīng)網(wǎng)絡(luò)(ONN)的研究受到廣泛關(guān)注。研究人員從衍射光學(xué)、散射光、光干涉以及光學(xué)傅里葉變換等基礎(chǔ)理論出發(fā),利用各種光學(xué)設(shè)備及材料成功實(shí)現(xiàn)了
    的頭像 發(fā)表于 12-07 17:39 ?2682次閱讀
    基于光學(xué)衍射<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與<b class='flag-5'>實(shí)驗(yàn)</b><b class='flag-5'>研究</b>

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常
    的頭像 發(fā)表于 11-15 14:53 ?1557次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    不熟悉神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí),或者想了解神經(jīng)網(wǎng)絡(luò)如何優(yōu)化加速實(shí)驗(yàn)研究,請(qǐng)繼續(xù)閱讀,探索基于深度學(xué)習(xí)的現(xiàn)代智能
    的頭像 發(fā)表于 11-01 08:06 ?570次閱讀
    Moku人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    BP神經(jīng)網(wǎng)絡(luò)樣本的獲取方法

    的訓(xùn)練樣本是至關(guān)重要的。 數(shù)據(jù)收集 數(shù)據(jù)收集是構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型的第一步。根據(jù)研究領(lǐng)域和應(yīng)用場(chǎng)景的不同,數(shù)據(jù)來源可以分為以下幾種: 1.1 實(shí)驗(yàn)數(shù)據(jù):通過實(shí)驗(yàn)或觀察獲得的數(shù)據(jù),如生物
    的頭像 發(fā)表于 07-11 10:50 ?941次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡(jiǎn)稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來
    的頭像 發(fā)表于 07-10 15:20 ?2039次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?926次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是什么

    人工智能神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)網(wǎng)絡(luò)的計(jì)算模型,其結(jié)構(gòu)和功能非常復(fù)雜。 引言 人工智能神經(jīng)網(wǎng)絡(luò)是一種模擬人腦
    的頭像 發(fā)表于 07-04 09:37 ?976次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹

    人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類專門為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的處理器。它們具有高性能、低功耗、可擴(kuò)展等特點(diǎn),廣泛應(yīng)用于圖像識(shí)別、語音識(shí)別、自然
    的頭像 發(fā)表于 07-04 09:33 ?1274次閱讀

    神經(jīng)網(wǎng)絡(luò)芯片與傳統(tǒng)芯片的區(qū)別和聯(lián)系

    引言 隨著人工智能技術(shù)的快速發(fā)展,深度學(xué)習(xí)算法在圖像識(shí)別、自然語言處理、語音識(shí)別等領(lǐng)域取得了顯著的成果。然而,深度學(xué)習(xí)算法對(duì)計(jì)算資源的需求非常高,傳統(tǒng)的計(jì)算芯片已經(jīng)無法滿足其需求。因此,神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 09:31 ?1651次閱讀

    神經(jīng)網(wǎng)絡(luò)芯片和普通芯片區(qū)別

    神經(jīng)網(wǎng)絡(luò)芯片和普通芯片的區(qū)別是一個(gè)復(fù)雜而深入的話題,涉及到計(jì)算機(jī)科學(xué)、電子工程、人工智能等多個(gè)領(lǐng)域。 定義 神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 09:30 ?1975次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問題,研究者們提出了一些改進(jìn)的BP
    的頭像 發(fā)表于 07-03 11:00 ?1126次閱讀

    神經(jīng)網(wǎng)絡(luò)和人工智能的關(guān)系是什么

    神經(jīng)網(wǎng)絡(luò)和人工智能的關(guān)系是密不可分的。神經(jīng)網(wǎng)絡(luò)是人工智能的一種重要實(shí)現(xiàn)方式,而人工智能則是神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:25 ?1887次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    Network)有相似之處,但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型,它由大量的神經(jīng)元(或稱為節(jié)點(diǎn))組成,這些神經(jīng)元通過權(quán)重連接在一起
    的頭像 發(fā)表于 07-03 10:14 ?1277次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    化能力。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域的重要技術(shù)之一。卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)
    的頭像 發(fā)表于 07-02 14:24 ?5841次閱讀

    電子發(fā)燒友

    中國(guó)電子工程師最喜歡的網(wǎng)站

    • 2931785位工程師會(huì)員交流學(xué)習(xí)
    • 獲取您個(gè)性化的科技前沿技術(shù)信息
    • 參加活動(dòng)獲取豐厚的禮品