当前位置: 时时彩注册送钱 > 技术创新 > 新型节能芯片可以执行强大的AI任务
技术创新/Announcement

新型节能芯片可以执行强大的AI任务

发布时间:2018-05-16  点击数:[1]

em来自MIT的工程师设计了一种新的芯片来实现神经网络。它的效率是移动GPU的10倍,因此它可以使移动设备在本地运行强大的人工智能算法,而不是将数据上传到互联网进行处理。 / em

近年来,人工智能方面最令人兴奋的一些进展是来自卷积神经网络,简单的信息处理单元的大型虚拟网络,这些网络对人类大脑的解剖结构进行了松散建模。

神经网络通常使用图形处理单元(GPU),所有带屏幕的计算设备中的特殊用途图形芯片来实现。手机中的移动GPU可能具有将近200个内核或处理单元,使其非常适合模拟分布式处理器网络。

在本周举行的旧金山国际固态电路会议上,麻省理工学院的研究人员介绍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的10倍,因此它可以使移动设备在本地运行强大的人工智能算法,而不是将数据上传到互联网进行处理。

在人工智能研究的早期,神经网络被广泛研究,但到了20世纪70年代,它们已经失宠。然而,在过去的十年中,他们以“深度学习”为名复兴。

“深度学习对许多应用都很有用,如物体识别,语音,人脸检测,”麻省理工学院电气工程与计算机科学系Emanuel E. Landsman职业发展助理教授Vivienne Sze说。 “目前,网络非常复杂,主要运行在高性能GPU上。您可以想象,如果您可以将此功能引入手机或嵌入式设备,即使您没有Wi-Fi连接,仍可以继续操作。出于隐私原因,您可能还需要进行本地处理。在手机上处理它也可以避免任何传输延迟,因此您可以对某些应用程序做出更快的反应。“

研究人员称之为“Eyeriss”的新芯片也可以帮助迎来“物联网”,即车辆,电器,土木工程结构,制造设备甚至牲畜都会有传感器直接向联网服务器,协助维护和任务协调。凭借强大的人工智能算法,联网设备可以在本地做出重要决策,只将他们的结论而不是原始个人数据委托给互联网。当然,机载神经网络对电池供电的自动机器人也很有用。

分工

通常将神经网络组织成层,并且每个层包含大量处理节点。数据进入并分成底层的节点。每个节点操纵接收到的数据并将结果传递给下一层中的节点,这些节点处理它们接收到的数据并传递结果,等等。最后一层的输出产生了一些计算问题的解决方案。

在卷积神经网络中,每一层中的许多节点以不同的方式处理相同的数据。网络可以膨胀到极大的比例。虽然它们在许多视觉处理任务上优于更多传统算法,但它们需要更多的计算资源。

神经网络中每个节点执行的特定操作是训练过程的结果,在训练过程中,网络试图找出原始数据和人类注释器应用到其上的标签之间的相关性。有了像麻省理工学院研究人员开发的芯片,训练有素的网络可以简单地导出到移动设备上。

这个应用程序对研究人员提出了设计限制。一方面,降低芯片功耗并提高效率的方法是使每个处理单元尽可能简单;另一方面,芯片必须具有足够的灵活性以实现针对不同任务定制的不同类型的网络。

Sze和她的同事们 - 电子工程和计算机科学研究生,会议论文的第一作者YuXin Chen, Joel Emer是麻省理工学院电气工程与计算机科学系的教授,也是芯片制造商NVidia的资深杰出研究科学家,并与该项目的两名主要调查人员之一Sze合作; Tushar Krishna在工作完成后曾是新加坡 - 麻省理工学院研究与技术联盟的博士后,现在是佐治亚理工学院计算机与电子工程系的助理教授 - 定居在拥有168个内核的芯片上,数量约为一个移动GPU有。

本地行动

Eyeriss效率的关键在于最小化内核需要与远端存储体交换数据的频率,这种操作耗费大量时间和精力。尽管GPU中的许多内核共享一个单一的大内存组,但每个Eyeriss内核都有自己的内存。此外,该芯片还有一个电路,在将数据发送到单个内核之前对其进行压缩。

每个核心还能够直接与其邻居进行通信,因此如果他们需要共享数据,则不必通过主存储器进行路由。这在卷积神经网络中很重要,在这个网络中有很多节点正在处理相同的数据。

芯片效率的最终关键是专用电路,可以在各个核心之间分配任务。在其本地存储器中,核心不仅需要存储由其模拟的节点操纵的数据,还需要存储描述节点本身的数据。分配电路可以针对不同类型的网络重新配置,以最大限度地提高每个核心在从主存储器获取更多数据之前可以执行的工作量的方式,自动在核心之间分配两种类型的数据。

在会议上,麻省理工学院的研究人员使用Eyeriss实现了一个执行图像识别任务的神经网络,这是首次在定制芯片上展示了最先进的神经网络。

“这项工作非常重要,展示了深度学习的嵌入式处理器如何提供功耗和性能优化,将这些复杂的计算从云端移植到移动设备,”三星移动处理器创新实验室的高级副总裁Mike Polley说。 “除了硬件方面的考虑之外,MIT的论文还仔细考虑了如何通过支持行业标准的[网络架构] AlexNet和Caffe来使嵌入式核心对应用程序开发人员有用。”

麻省理工学院研究人员的工作部分由DARPA资助。

资料来源:麻省理工学院新闻节目Larry Hardesty

Copyright © 2017 时时彩注册送钱 版权所有

>