神經(jīng)網(wǎng)絡是強大的東西，但需要大量的能量。麻省理工學院的工程師現(xiàn)在開發(fā)了一種新型芯片，可以將神經(jīng)網(wǎng)絡的功耗降低95％，從而可以讓它們在電池供電的移動設備上運行。

智能手機正在變得真正聰明，提供更多的人工智能服務，如數(shù)字助理和實時翻譯。但通常情況下，處理這些服務數(shù)據(jù)的神經(jīng)網(wǎng)絡都在云計算，智能手機的數(shù)據(jù)來回傳送。

這并不理想，因為它需要大量的通信帶寬，并且意味著潛在的敏感數(shù)據(jù)正在被傳輸并存儲在用戶控制之外的服務器上。但是，GpU神經(jīng)網(wǎng)絡運行需要巨大能量，這使得在有限的電池電量下運行的設備中實現(xiàn)它們是不切實際的。

麻省理工學院的工程師現(xiàn)在設計了一款芯片，通過大幅減少在芯片內(nèi)存和處理器之間來回傳輸數(shù)據(jù)的需求，可以將功耗降低高達95％。

神經(jīng)網(wǎng)絡由成千上萬層互相連接的人造神經(jīng)元組成。每個神經(jīng)元從它下面的層中的多個神經(jīng)元接收輸入，并且如果組合的輸入通過某個閾值，則它將輸出發(fā)送到其上的多個神經(jīng)元。神經(jīng)元之間連接的強度由訓練期間設定的權重決定。

這意味著對于每個神經(jīng)元，芯片必須檢索特定連接的輸入數(shù)據(jù)以及來自存儲器的連接權重，將它們相乘，存儲結果，然后為每個輸入重復該過程。這需要大量的數(shù)據(jù)移動，耗費大量的能源。

新的MIT芯片消除了這種情況，而是使用模擬電路在存儲器內(nèi)并行計算所有輸入。這大大減少了需要推動的數(shù)據(jù)量，并節(jié)省了大量的能源。

該方法要求連接的權重是二進制的，而不是一個范圍的值，但以前的理論工作表明這不會顯著影響準確性，研究人員發(fā)現(xiàn)該芯片的結果一般在傳統(tǒng)的非結果的2％到3％運行在標準計算機上的二進制神經(jīng)網(wǎng)絡。

這并不是研究人員首次創(chuàng)建能夠減少神經(jīng)網(wǎng)絡功耗的芯片，但這是該方法首次用于運行強大的基于圖像的AI應用的卷積神經(jīng)網(wǎng)絡。

IBM的人工智能副總裁Dario Gil在一份聲明中表示，“結果顯示，能量有效實現(xiàn)與存儲陣列卷積操作的令人印象深刻的規(guī)格”。

“它肯定會為將來在物聯(lián)網(wǎng)（物聯(lián)網(wǎng)）中應用更復雜的卷積神經(jīng)網(wǎng)絡進行圖像和視頻分類開辟可能性。”

不過，這不僅僅是研究小組的工作。將智能手機，家用電器和各種物聯(lián)網(wǎng)設備等智能手機智能化的渴望正在推動硅谷的誰將成為低功耗AI芯片。

蘋果公司已經(jīng)將其神經(jīng)引擎整合到iphone X中，為面部識別技術提供動力，亞馬遜傳聞將為下一代Echo數(shù)字助理開發(fā)自己的定制AI芯片。

大芯片公司也越來越傾向于支持像機器學習這樣的先進功能，這迫使他們使他們的設備變得更節(jié)能。今年早些時候，ARM發(fā)布了兩款新芯片：Arm Machine Learning處理器，針對從平移到面部識別的一般AI任務，以及用于檢測圖像中的臉部等物體的手臂對象檢測處理器。

高通公司最新的移動芯片Snapdragon 845采用GpU，專注于人工智能。該公司還發(fā)布了針對無人機，機器人和工業(yè)設備的Snapdragon 820E。

更進一步，IBM和英特爾正在開發(fā)神經(jīng)晶體芯片，其架構受人類大腦和其令人難以置信的能源效率的啟發(fā)。這在理論上可以讓IBM的TrueNorth和Intel的Loihi在傳統(tǒng)芯片的一小部分功率上運行強大的機器學習，盡管在現(xiàn)階段它們?nèi)匀皇歉叨葘嶒炐缘摹?/p>

讓這些芯片運行神經(jīng)網(wǎng)絡與在云服務中發(fā)現(xiàn)的神經(jīng)網(wǎng)絡一樣強大，而不會快速燒毀電池，這將是一個巨大的挑戰(zhàn)。但是按照目前的創(chuàng)新步伐，看起來好像不會太長，然后才會在口袋里包裝一些嚴肅的AI功能。