Penyelidik memegang cip kecerdasan buatan simulasi 14nm. Sumber imej: laman web Ryan Levine/Nature
Satu kajian yang diterbitkan dalam Nature pada 23hb melaporkan cip analog kecerdasan buatan (AI) yang 14 kali lebih cekap tenaga daripada cip komputer digital tradisional. Cip, yang dibangunkan oleh IBM Research Laboratories, adalah lebih cekap daripada pemproses tujuan umum dalam pengecaman pertuturan. Teknologi ini mungkin dapat menembusi kesesakan yang dihadapi dalam pembangunan AI semasa disebabkan prestasi pengkomputeran yang tidak mencukupi dan kecekapan yang rendah.
Dengan peningkatan teknologi AI, permintaan untuk tenaga dan sumber juga meningkat. Dalam bidang pengecaman pertuturan, peningkatan perisian telah banyak meningkatkan ketepatan transkripsi automatik, tetapi disebabkan peningkatan jumlah operasi yang dialihkan antara memori dan pemproses, perkakasan tidak dapat bersaing dengan berjuta-juta operasi yang diperlukan untuk melatih dan menjalankan model ini. parameter yang dikira. Satu penyelesaian yang dicadangkan oleh penyelidik ialah menggunakan cip "pengkomputeran dalam ingatan" (CiM, atau AI analog). Sistem AI analog menghalang ketidakcekapan dengan melakukan operasi secara langsung dalam memorinya sendiri, manakala pemproses digital memerlukan masa dan tenaga tambahan untuk memindahkan data antara memori dan pemproses. Cip AI analog dijangka dapat meningkatkan kecekapan tenaga pengkomputeran AI, tetapi demonstrasi praktikal mengenainya masih kurang.
Cip AI analog 14nm pada papan pengesan. Sumber imej: laman web Ryan Levine/Nature Selepas menulis semula: Imej ini menunjukkan cip AI analog 14nm pada papan ujian. Sumber imej ialah laman web "Nature" Rain Levine
Pasukan penyelidik membangunkan cip analog 14-nanometer, yang mengandungi 34 modul 35 juta sel memori perubahan fasa. Pasukan penyelidik menggunakan dua perisian pengecaman pertuturan untuk menguji kecekapan cip dalam keupayaan pemprosesan bahasa, Rangkaian Kecil (Perintah Suara Google) dan Rangkaian Besar (Pengiktirafan Pertuturan Librispeech), dan membandingkannya secara semula jadi dengan piawaian industri tugas memproses. Prestasi dan ketepatan rangkaian kecil adalah setanding dengan teknologi digital semasa. Untuk model Librispeech yang lebih besar, cip itu mampu melakukan 12.4 trilion operasi sesaat setiap watt, dan prestasi sistem dianggarkan sehingga 14 kali ganda daripada pemproses tujuan am tradisional
Penggunaan wafer 300mm untuk pembuatan cip AI simulasi. Sumber imej: laman web Ryan Levine/Nature
Pasukan penyelidik membuat kesimpulan bahawa kajian ini mengesahkan prestasi dan kecekapan teknologi kecerdasan buatan analog dalam kedua-dua model kecil dan besar, dan dijangka menjadi alternatif yang berdaya maju secara komersial kepada sistem digital
Tak perlu tukar maksud asal, isi yang perlu ditulis semula ialah: dipetik dari Science and Technology Daily
Sila ikuti akaun rasmi untuk maklumat lanjut
Kandungan yang perlu ditulis semula ialah: majalah "Maklumat Sains dan Teknologi China"
Unit bertanggungjawab: Persatuan Sains dan Teknologi China Selepas menulis semula: Organisasi yang bertanggungjawab untuk pengurusan ialah Persatuan Sains dan Teknologi China
Organisasi hos: Persatuan Kewartawanan Sains dan Teknologi China
Sila hubungi ID WeChat: zkxxx1999
apabila menyiarkan semula kandunganPlatform penyerahan dalam talian: www.cnkjxx.com
Sila hubungi talian hotline penyerahan: 010-68003059
Jika anda perlu mendapatkan kerjasama pelaporan atau kandungan, sila tambah ID WeChat: 15811564659 untuk menghubungi kami
Majalah ini disertakan dalam: "CNKI", "Pangkalan Data Jurnal Teras Jurnal Cina (Pemilihan)", "Pangkalan Data Penilaian Komprehensif Jurnal Akademik Cina (CAJCED) Jurnal Sumber Statistik", "Pangkalan Data Teks Penuh Jurnal Cina (CJFD)" dan Disertakan dalam "Persatuan Sains dan Teknologi China, Persatuan Perpustakaan China (Buku Disyorkan untuk Mentafsir Tinjauan Saintifik Mengenai Pembangunan)"
Atas ialah kandungan terperinci Menerobos kesesakan pembangunan kecerdasan buatan: Cip simulasi AI adalah 14 kali lebih cekap tenaga daripada cip tradisional. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!