在一項有望對依賴(lài)人工智能的移動(dòng)設備，無(wú)人機和機器人進(jìn)行更高級編程的開(kāi)發(fā)中，IBM研究人員表示，他們已經(jīng)設計出一種編程方法，該方法可實(shí)現更高的準確性并減少能耗。

AI系統通常采用劃分內存和處理單元的過(guò)程。這種做法意味著(zhù)在兩個(gè)航路點(diǎn)之間傳輸數據會(huì )浪費時(shí)間。數據傳輸量巨大，足以產(chǎn)生昂貴的能??耗標簽。

《自然通訊》本周報道說(shuō)，IBM設計了一種方法，該方法依靠相變內存來(lái)更快，更便宜地執行代碼。這是一種隨機存取存儲器，其中包含的元素可以在非晶態(tài)和結晶態(tài)之間快速變化，其性能優(yōu)于更常用的閃存模塊。也稱(chēng)為P-RAM或PCM。由于其非凡的性能，有人將其稱(chēng)為“完美的RAM”。

PCM依靠硫族化物玻璃，當電流流過(guò)時(shí)，硫屬化物玻璃具有改變其狀態(tài)的獨特能力?；萜帐紫忍剿鞯南嘧兗夹g(shù)的一個(gè)關(guān)鍵優(yōu)勢是，存儲狀態(tài)不需要連續的電源即可保持穩定。在PCM中添加數據不需要擦除周期，這是其他類(lèi)型的存儲器存儲所特有的。另外，由于可以直接從內存執行代碼，而不是將代碼復制到RAM中，因此PCM的運行速度更快。

IBM認識到，在圖像和語(yǔ)音識別，游戲和機器人技術(shù)領(lǐng)域中，依賴(lài)于深度神經(jīng)網(wǎng)絡(luò )的運營(yíng)需求不斷增長(cháng)，要求更高的效率。

研究團隊在公司博客上發(fā)布的解決方案的IBM團隊說(shuō)：“隨著(zhù)深度學(xué)習的不斷發(fā)展和對強大處理能力的需求，擁有大型數據中心的公司將迅速意識到，建造更多的發(fā)電廠(chǎng)來(lái)支持所需的額外一百萬(wàn)倍的運營(yíng)。例如，對單個(gè)圖像進(jìn)行分類(lèi)是不經(jīng)濟的，也不是可持續的。”

報告指出：“很明顯，我們需要通過(guò)優(yōu)化微芯片和硬件來(lái)使效率更高，從而使此類(lèi)設備以更少的功率運行。”

IBM將PCM與人腦進(jìn)行了比較，并指出PCM“沒(méi)有單獨的存儲和計算數據的區域，因此消耗的能量明顯更少”。

PCM的一個(gè)缺點(diǎn)是由于讀和寫(xiě)電導噪聲導致的計算誤差。IBM通過(guò)在A(yíng)I 培訓課程中引入這種噪音來(lái)解決該問(wèn)題。

IBM的報告指出：“我們的假設是，在DNN訓練期間注入與設備噪聲相當的噪聲會(huì )提高模型的魯棒性。”

他們的假設是正確的。他們的模型達到了93.7%的準確度，IBM研究人員稱(chēng)這是同類(lèi)存儲器硬件所能達到的最高準確度。

IBM表示，需要做更多的工作才能獲得更高的準確性。他們正在使用小型卷積神經(jīng)網(wǎng)絡(luò )和生成對抗網(wǎng)絡(luò )進(jìn)行研究，并且最近在神經(jīng)科學(xué)前沿報道了他們的進(jìn)展。

IBM表示：“在一個(gè)越來(lái)越多的時(shí)代過(guò)渡到基于A(yíng)I的技術(shù)(包括物聯(lián)網(wǎng)電池供電的設備和自動(dòng)駕駛汽車(chē))時(shí)，此類(lèi)技術(shù)將從快速，低功耗和可靠的DNN推理引擎中受益匪淺。”報告說(shuō)。