来源： 时间：2021-11-27 18:35:04
一个由美国研究人员组成的团队已经构建了一种节能芯片，该芯片可以执行强大的人工智能 (AI) 任务，从而使未来的移动设备能够实现以人脑为模型的 “神经网络”。
麻省理工学院 (MIT) 的团队开发了一种专门用于实现神经网络的新芯片。
它的效率是移动GpU (图形处理单元) 的10倍，因此它可以使移动设备在本地运行强大的AI算法，而不是将数据上传到internet进行处理。
GpU是一种专门的电路，旨在加速帧缓冲区中的图像输出，以输出到显示器。现代智能手机配备了先进的嵌入式芯片组，可以根据其编程完成许多不同的任务。
GpU是这些芯片组的重要组成部分，随着移动游戏突破其功能的界限，GpU性能变得越来越重要。
神经网络在人工智能研究的早期就被广泛研究，但是到20世纪70年代，它们已经失宠了。然而，在过去的十年里，他们以 “深度学习” 的名义回来。
麻省理工学院电气工程和计算机科学系助理教授Vivienne Sze在麻省理工学院的一份声明中说: “深度学习对于物体识别、语音和人脸检测等许多应用都很有用。”
研究人员将其称为 “Eyeriss” 的新芯片也可以帮助引入 “物联网”，即车辆，电器，土木工程结构，制造设备甚至牲畜都将具有传感器，这些传感器将直接报告信息到联网服务器，从而有助于维护和任务协调。
有了强大的人工智能算法，联网设备可以在本地做出重要决定，只把他们的结论，而不是原始的个人数据委托给互联网。
该小组最近在旧金山举行的 “国际固态电路会议” 上介绍了他们的发现。
在会议上，麻省理工学院的研究人员使用 “Eyeriss” 来实现执行图像识别任务的神经网络。这是第一次在定制芯片上展示了最先进的神经网络。
三星移动处理器创新实验室高级副总裁Mike polley解释说: “这项工作非常重要，展示了用于深度学习的嵌入式处理器如何提供功能和性能优化，从而将这些复杂的计算从云中带到移动设备。”
相关推荐
猜你喜欢
