芯片|科技突破,一种新的芯片增加了人工智能的可能性

芯片|科技突破,一种新的芯片增加了人工智能的可能性

文章图片

芯片|科技突破,一种新的芯片增加了人工智能的可能性

文章图片



像深度神经网络这样的算法 , 其灵感大致来自大脑 , 由多层人工神经元通过称为权重的数值相互连接 。 但如今 , 硬件的改进已经跟不上运行这些大规模算法所需的大量内存和处理能力 。
即使我们可以继续扩大硬件规模以满足人工智能的需求 , 还有另一个问题 , 在传统计算机上运行它们会浪费大量的能源 。 运行大型AI算法产生的高碳排放已经对环境有害 , 而且随着算法变得越来越庞大 , 这种情况只会变得更糟 。
一种叫做神经形态计算的解决方案 , 从生物大脑中汲取灵感 , 创造节能设计 。 不幸的是 , 虽然这些芯片在节约能源方面超过了数字计算机 , 但它们缺乏运行一个相当大的深度神经网络所需的计算能力 。 这使得人工智能研究人员很容易忽视它们 。
这种情况终于在8月份改变了 。 研究人员(Weier WanH.-S. Philip WongGert Cauwenberghs)展示了一种名为NeuRRAM的新型神经形态芯片 , 它包括300万个记忆细胞和数千个神经元 , 内置在硬件中以运行算法 。 它使用了一种相对较新的存储器 , 称为电阻性RAM(RRAM) 。 与以前的RRAM芯片不同 , NeuRRAM被编程成模拟方式运行 , 以节省更多的能源和空间 。 虽然数字存储器是二进制的(在NeuRRAM芯片中存储1或0模拟存储器单元) , 但每个单元都可以沿完全连续的范围存储多个值 。 这使得该芯片可以在相同的芯片空间中存储大量AI算法 。
因此 , 这种新芯片在处理图像和语音识别等复杂的人工智能任务时 , 可以和数字计算机一样出色 。 研究人员声称 , 它的能效提高了1000倍 , 为微型芯片在智能手表和手机中运行越来越复杂的算法开辟了可能性 。
创造新的记忆
在数字计算机中 , 运行人工智能算法时浪费的大量能量是由一个简单而普遍存在的设计缺陷造成的 , 它使每一次计算都效率低下 。 通常 , 计算机的内存被放置在主板上 , 远离进行计算的处理器 。 有点像花8个小时通勤 , 花两个小时工作 。

  • NeuRRAM芯片可以在内存中运行计算 , 在内存中 , 它不是以传统的二进制数字存储数据 , 而是以模拟频谱存储数据 。
【芯片|科技突破,一种新的芯片增加了人工智能的可能性】要解决这个问题 , 就需要新的一体机芯片 , 这种芯片可以把内存和计算放在同一个地方 。 这也更接近于我们大脑处理信息的方式 , 因为许多神经科学家认为 , 计算发生在神经元群体中 , 而记忆是在神经元之间的突触加强或削弱连接时形成的 。 但事实证明 , 制造这样的设备很困难 , 因为目前的内存形式与处理器技术不兼容 。
几十年前 , 计算机科学家开发了这种材料来制造新的芯片 , 在存储内存的地方执行计算 , 这种技术被称为内存计算 。 但由于传统数字计算机的性能如此之好 , 这些想法几十年来一直被忽视 。
事实上 , 第一个这样的装置至少可以追溯到1964年 , 当时斯坦福大学的电气工程师发现 , 他们可以操纵某些被称为金属氧化物的材料 , 来开启或关闭它们的导电能力 。 这一点意义重大 , 因为材料在两种状态之间切换的能力为传统记忆存储提供了基础 。 通常 , 在数字存储器中 , 高压状态对应于1 , 低压状态对应于0 。
要使RRAM设备切换状态 , 需要在连接到金属氧化物两端的金属电极上施加电压 。 通常情况下 , 金属氧化物是绝缘体 , 这意味着它们不导电 。 但当电压足够大时 , 电流就会积聚起来 , 最终穿过材料的弱点 , 形成一条路径到达另一侧的电极 。 一旦电流突破 , 它就可以沿着这条路径自由流动 。