Ang Neural Network Chip ng MIT Team ay Maaaring Ilagay A.I. sa Lahat

Sa lalong madaling panahon, ang karamihan sa iyong mga elektronika sa bahay ay maaaring maitatag sa artipisyal na katalinuhan na kailangan upang malaman, sabihin, kung kailan i-on ang air-conditioning, o kahit paano chunky masiyahan ka sa iyong umaga smoothie.

Ang kailangan lang nito ay isang espesyal na piraso ng hardware upang patakbuhin ang mga device na nagpapatakbo ng mga neural network - o artipisyal na replicas ng utak ng tao - lokal.

"Ang mga network ng neural ay kadalasang ipinatupad sa isang digital na paraan," sabi ni Avishek Biswas, isang mananaliksik sa Massachusetts Institute of Technology, Kabaligtaran. "Ngunit sa katapusan nais naming ipatupad ito sa aktwal na hardware, sa halip na lamang palaging tumatakbo simulation sa CPUs o GPUs, para sa mas malawak na mga application."

Si Biswas at ang kanyang mga kasamahan sa MIT ay tapos na lamang na sa pamamagitan ng pagbuo ng isang maliit na tilad na maaaring magsagawa ng mga algorithm sa pag-aaral ng machine na walang pangangailangan na magpakain ng data sa mga supercomputers sa cloud.

Sa isang Biswas na ipinakita sa linggong ito sa International Solid State Circuits Conference sa San Francisco, ipinaliwanag niya kung paano niya binuo ang isang prototype para sa isang maliit na tilad na maaaring madagdagan ang bilis ng mga pag-compute ng makina sa pag-aaral ng hanggang sa 700 porsiyento, habang binabawasan ang pagkonsumo ng kuryente sa pamamagitan ng 93 hanggang 96 porsiyento. Sinabi niya na ang isang na-update na bersyon na may higit pang mga kakayahan sa computational ay maaaring maging handa sa loob ng ilang taon.

Ang pinakamahusay na neural nets sa laro ay makikita sa loob ng mga makapangyarihang kompyuter na hindi tulad ng anumang na nakita ng karamihan sa mga tao. Ang mga kagamitang tulad ng Amazon Echo, data ng sinag sa mga supercomputer na gumagamit ng cloud, ang netong neural ay ang mga computations nito, at ang output ay ipinapadala pabalik sa aparato.

Ang prosesong ito ay mabagal, nagpapakita ng panganib sa seguridad, at lumilikha ng trapiko ng bandwidth, sabi ni Biswas.

"Depende sa ulap ay lumilikha ng isang isyu sa latency na maaaring maganap ang isang bagay na nangangailangan ng mabilis na paggawa ng mga desisyon," paliwanag niya. "Ang ikalawang bagay ay kung mayroon kang isang tonelada ng mga aparato na nagsisikap na makipag-usap sa cloud ang trapiko ay magiging matinding upang mahawakan. Sa wakas, hindi mo nais na maging live-streaming potensyal na sensitibong impormasyon nang direkta sa cloud. Ang lahat ng ito ay maaaring malutas sa pamamagitan ng paggawa ng lahat ng ito sa isang lugar."

Kung siya at ang kanyang koponan ay makatutulong na gawin ang kanilang maliit na tilad na disenyo ng isang praktikal na aparato, maaari nilang malutas ang napakalaking trapiko ng bandwidth na hinihiling ng Internet ng Mga Bagay. Higit pa kaysa dito, magdadala ito ng neural net technology na madalas na nakalaan sa mga siyentipiko ng computer sa mga tahanan ng mga mamimili.

Ang pananaliksik na ito ay maaaring baguhin nang lubusan kung ano ang tinutukoy natin ngayon bilang "smart" na mga aparato. Mayroong talagang isang maliit na utak sa loob ng iyong blender - kung ano ang ibig sabihin nito para sa amin bilang isang species, kakailanganin naming malaman.