根據(jù)外媒報(bào)道，IBM研究人員希望專門設(shè)計(jì)為神經(jīng)網(wǎng)絡(luò)運(yùn)行定制的新芯片，并可以提供更快，更高效的解決方案。

　　GPU 運(yùn)行神經(jīng)網(wǎng)絡(luò)的方法近年來已經(jīng)為人工智能領(lǐng)域帶來了驚人的進(jìn)步，但是直到十年前，研究人員才意識到為視頻游戲設(shè)計(jì)的GPU（圖形處理單元）可以用作硬件加速器來運(yùn)行比以前更大的神經(jīng)網(wǎng)絡(luò)。這要?dú)w功于GPU芯片能夠執(zhí)行大量的并行計(jì)算，而不必像傳統(tǒng)的CPU一樣順序地完成這些計(jì)算。這對于同時計(jì)算組成當(dāng)今深度學(xué)習(xí)網(wǎng)絡(luò)的數(shù)百個神經(jīng)元的權(quán)重特別有用。而現(xiàn)在深度學(xué)習(xí)網(wǎng)絡(luò)則正是由大量神經(jīng)元構(gòu)成的。

　　雖然GPU的加入使得該領(lǐng)域取得了巨大的進(jìn)展，但這些芯片仍將處理和內(nèi)存分開，這意味著在這兩者之間傳輸數(shù)據(jù)需要花費(fèi)大量時間和精力。這促使人們對新的存儲技術(shù)進(jìn)行研究，這些技術(shù)既可以在相同的位置存儲和處理這些重量數(shù)據(jù)，也可以提高速度和能源效率。

　　IBM Research的博士后研究員Stefano Ambrogio 在接受采訪時表示：“我們可以對比GPU更快的系統(tǒng)進(jìn)行培訓(xùn)，但是如果培訓(xùn)操作中的準(zhǔn)確性不夠用，那就沒用。到目前為止還沒有證據(jù)表明使用這些新型設(shè)備和使用 GPU 一樣精確。”

　　那么這種專用芯片能做什么？Ambrogio表示有兩個主要應(yīng)用：在個人設(shè)備中實(shí)施AI可以防止用戶通過云共享數(shù)據(jù)，提高隱私性，將AI引入個人設(shè)備并使數(shù)據(jù)中心效率更高。后者是大型科技公司的主要關(guān)注點(diǎn)，這些公司的服務(wù)器運(yùn)營成本一直居高不下。但Ambrogio表示更令人興奮的前景是AI的個性化。