Аналоговая электроника обещает более эффективный способ обучения систем искусственного интеллекта, чем цифровые компьютеры, работающие на нулях и единицах. IBM Research опубликовала статью, в которой обсуждается прорыв в использовании аналоговых вычислений для ИИ-расчетов, сообщает портал ComputerWeekly.
При создании систем ИИ необходимо обучить модель данных. При этом придается вес различным подмножествам обучающих данных, например, изображениям, на которых запечатлены характерные особенности кошки.
При обучении систем ИИ на традиционном (цифровом) компьютере модель ИИ хранится в дискретных ячейках памяти. Для выполнения вычислительных задач требуется постоянно перемещать данные между памятью и процессорами. По мнению IBM, этот процесс замедляет вычисления и ограничивает максимально достижимую энергоэффективность.
Использование аналоговых вычислений для ИИ потенциально позволяет достичь тех же результатов, что и при работе ИИ на цифровом компьютере. IBM определяет аналоговые ИИ-вычисления в памяти, или аналоговый ИИ, как метод, заимствующий ключевые особенности работы нейронных сетей в биологическом мозге.
По словам исследователей, в мозге человека и многих других животных связь между нейронами определяет сила синапса, называемая весом. В аналоговых системах ИИ, по словам IBM, эти синаптические веса хранятся локально в значениях проводимости наноразмерных резистивных запоминающих устройств, таких как память на основе фазового перехода (PCM). Затем они используются для выполнения операций умножения-сложения (MAC) в глубоких нейронных сетях.
По мнению IBM, эта технология позволяет уменьшить необходимость постоянной пересылки данных между памятью и процессором.
В своей статье IBM Research представила смешанную аналогово-цифровую микросхему ИИ для выполнения различных задач вывода глубоких нейронных сетей (DNN). По словам представителей компании, это первый аналоговый чип, который был протестирован на способность решать задачи ИИ с помощью компьютерного зрения так же хорошо, как и цифровые микросхемы, будучи при этом значительно более энергоэффективным.
Чип был изготовлен в нанотехнологическом комплексе IBM в Олбани. Он построен на 64 аналоговых вычислительных ядрах (или тайлах) in-memory, каждое из которых содержит перекрестный массив синаптических ячеек размером 256 на 256. По словам представителей IBM, для перехода между аналоговыми и цифровыми данными в каждый тайл встроены временные (time-based) аналого-цифровые преобразователи. В каждый тайл также интегрированы облегченные цифровые процессоры, которые выполняют нелинейные функции активации нейронов и операции масштабирования.
По данным IBM, каждый из этих тайлов может выполнять вычисления, связанные со слоем модели DNN. «Используя данный чип, мы провели наиболее полное исследование точности аналоговых вычислений in-memory и продемонстрировали точность 92,81% на наборе данных изображений CIFAR-10», — заявили авторы статьи.
