人工智能正在变得可持续

来自Politecnico di Milano的研究小组开发了一种新的计算电路,该电路可以在一次操作中执行高级操作,这是人工智能神经网络的典型操作。

就速度和能耗而言,电路性能为新一代人工智能计算加速器铺平了道路,这些加速器在全球范围内具有更高的能源效率和更可持续的发展。该研究最近发表在著名的《科学进展》上。

如今,借助人工智能,在智能手机和平板电脑等最常见的电子产品上,可以识别面部或物体,或者正确地解释单词或音乐曲调。为此,需要对复杂的神经网络进行适当的培训,这非常有力,根据一些研究,复杂的神经网络的培训所产生的碳足迹可以等同于5辆汽车在其整个生命周期内的排放量周期。

为了减少训练的时间和能量消耗,应该开发一种与传统方法截然不同的电路,并且能够更准确地模拟神经网络的结构和生物突触的特征。一个典型的例子是内存中计算的概念,其中数据直接在内存中处理,就像在人脑中一样。

基于这种类比,米兰理工大学的研究小组开发了一种新型电路,该电路仅需执行一次操作即可执行称为回归的数学函数。为此,他们使用电阻式存储器(也称为忆阻器),该器件可以存储其电阻值中的任何数据(例如,特定时间的份额值)。通过将这些存储元件排列在几微米(几百万分之一米)大小的阵列中,米兰理工大学的小组已经能够对一组数据执行线性回归。

此操作能够确定最能描述数据序列的直线,例如,允许基于简单的线性模型预测股市趋势。逻辑回归可以对数据库中的数据进行分类,也已得到证明。该功能对于所谓的推荐系统至关重要,该系统是用于在线购买的重要营销工具。