人工智能正變得可持續(xù)

Milano Politecnico di的一個研究小組開發(fā)了一種新的計算電路，可以在一次操作中執(zhí)行先進(jìn)的操作，這是人工智能神經(jīng)網(wǎng)絡(luò)的典型。

在速度和能耗方面的電路性能為新一代人工智能計算加速器鋪平了道路，這些加速器在全球范圍內(nèi)更節(jié)能、更可持續(xù)。 這項研究最近發(fā)表在著名的科學(xué)進(jìn)步雜志上。

認(rèn)識一張臉或一個物體，或正確解釋一個詞或一首音樂曲調(diào)，是今天在智能手機和平板電腦等最常見的電子設(shè)備上可以進(jìn)行的操作，這要歸功于人工智能。 要做到這一點，復(fù)雜的神經(jīng)網(wǎng)絡(luò)需要適當(dāng)?shù)挠?xùn)練，這是如此的強烈要求，根據(jù)一些研究，碳足跡來自復(fù)雜的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練可以等于5輛汽車在整個生命周期的排放。

為了減少訓(xùn)練的時間和能量消耗，人們應(yīng)該開發(fā)與傳統(tǒng)方法完全不同的電路，并且能夠更準(zhǔn)確地模擬神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和生物突觸的特性。 一個典型的例子是內(nèi)存中計算的概念，其中數(shù)據(jù)直接在內(nèi)存中處理，就像在人腦中一樣。

基于這一類比，米蘭Politecnico di Milano的研究小組開發(fā)了一種新的電路，它可以在一次操作中執(zhí)行一個稱為回歸的數(shù)學(xué)函數(shù)。 為此，他們使用電阻存儲器，也稱為記憶器，一種可以記住任何基準(zhǔn)（例如，在某一時間共享的值）的電阻值的設(shè)備。 通過將這些內(nèi)存元素排列在一個大小為幾微米（百萬分之一米）的數(shù)組中，Politecnico di Milano的組能夠?qū)σ唤M數(shù)據(jù)執(zhí)行線性回歸。

這種操作能夠確定最能描述數(shù)據(jù)序列的直線，例如，允許基于簡單的線性模型預(yù)測股票市場的趨勢。 還演示了后勤回歸，它允許在數(shù)據(jù)庫中對數(shù)據(jù)進(jìn)行分類。 這一功能對于所謂的推薦系統(tǒng)至關(guān)重要，因為推薦系統(tǒng)是網(wǎng)上采購的關(guān)鍵營銷工具。