IBM將模擬運算用於人工智慧，重塑AI運算

IBM一直在研究重塑人工智慧運算方式的方法。 IBM研究員發表了一篇論文，介紹了將模擬計算用於人工智慧（AI）的突破。

在建構人工智慧系統的時候，需要對資料模型進行訓練。就是對訓練資料的不同子集賦予不同的權重，例如描述貓不同特徵的圖像資料。

在傳統（數位）電腦上訓練人工智慧系統時，人工智慧模型分散儲存在記憶體中。計算任務需要在記憶體和處理單元之間不斷傳遞資料。 IBM 表示，此過程會減慢運算速度，並限制能夠實現的能源效率上限。

將類比計算用於人工智慧，可能會提供一種更有效的方法，實現同數位計算機上運行的人工智慧相同的結果。 IBM將模擬記憶體運算或模擬人工智慧定義為一種借鑒生物大腦神經網路運作方式關鍵特徵的技術。研究人員表示，在人類和許多其他動物的大腦中，突觸的強度（稱為權重）決定了神經元之間的溝通。

IBM表示，在模擬人工智慧系統中，這些突觸權重被就地儲存在相變記憶體（PCM）之類的奈米級電阻儲存元件的電導值中。然後，它們在深度神經網路中被用來進行累積乘法運算。

IBM表示，這項技術可以減少在記憶體和處理器之間不斷發送資料的需求。

在發表於《自然-電子學》（Nature Electronics）的一篇論文中，IBM研究院介紹了一種混合訊號模擬人工智慧晶片，可運行各種深度神經網路（DNN）推理任務。據IBM 稱，這是首款在測試中執行電腦視覺AI任務方面與數位晶片不相上下的類比晶片，而且能效比後者更高。

該晶片是在IBM的奧爾巴尼奈米技術中心製造的。它由64個類比記憶體運算核心（或晶片）組成，每個核心包含一個256 x 256的突觸單元交叉陣列。 IBM表示，每個晶片中都整合了基於時間的類比數位轉換器，用於在類比資料和數位資料之間轉換。每個晶片還整合了輕量級數位處理單元，IBM 稱這些處理單元可執行非線性神經元活化功能和縮放操作。

IBM表示，每塊晶片都可以執行一層DNN模型相關的計算。論文作者表示：「利用該晶片，我們對模擬記憶體計算的計算精度進行了最全面的研究，並在CIFAR-10圖像資料集上實現了92.81%的精確度。」

以上是IBM將模擬運算用於人工智慧，重塑AI運算的詳細內容。更多資訊請關注PHP中文網其他相關文章！