IBM вярва, че може да ускори процеса на обучение на AI системите чрез съпротивителни процесори

Дълбоките невронни мрежи (Deep neural networks - DNNs) могат да бъдат научени на почти всичко, включително и как да ни победят в нашите собствени игри. Проблемът е, че за обучението на една AI система е нужен суперкомпютър или голям център за данни. Но учените от изследователския център TJ Watson на IBM смятат, че времето за обучение на AI системи може да се намали драстично, използвайки "съпротивителни процесори" - теоретични чипове, които комбинират CPU и енергонезависима памет.

Но защо отнема толкова много изчислителна мощ и време, за да се обучи AI? Проблемът е, че съвременните невронни мрежи на Google, DeepMind или IBM Watson трябва да изпълняват милиарди задачи паралелно. Това изисква многобройни заявки към CPU паметта. Изследователите са създали нов вид чип, наречен Resistive processing unit (RPU), който поставя големи количества съпротивителна RAM памет директно върху процесора.

Учените смятат, че е възможно да създадат такива чипове, използващи обикновената CMOS технология, но засега RPU са все още във фаза на научни изследвания. Изграждането на чипове с бърза локална памет е логична идея, която би могла значително да ускори AI задачите като обработка на изображения, майсторство в разпознаването на езици и анализа на данни в голям мащаб.

Прочетете и това: Lockheed Martin ще направи демонстрация на свръхзвуков самолет през 2018 година