隨著在舊金山舉行的國際電子設(shè)備會(huì)議（IEDM）和在蒙特利爾舉行的神經(jīng)信息處理系統(tǒng)會(huì)議（NeurlPS）的開門紅，對(duì)于任何希望跟上人工智能研發(fā)發(fā)展步伐的人來說，本周都顯得十分重要。
正如IBM的研究人員正在詳細(xì)介紹用于數(shù)字和模擬人工智能芯片的新人工智能方法。IBM自豪地宣稱，其數(shù)字AI芯片“首次成功地使用8位浮點(diǎn)數(shù)訓(xùn)練了深度神經(jīng)網(wǎng)絡(luò)（DNNs），同時(shí)在深度學(xué)習(xí)模型和數(shù)據(jù)集的頻譜上完全保持了準(zhǔn)確性?！?/p>
另外，IBM的研究人員正在IEDM上展示一種模擬人工智能芯片，它使用8位精度的內(nèi)存與投影相變內(nèi)存相乘。
AI的GPU時(shí)代結(jié)束了
IBM大膽預(yù)測(cè)，GPU在人工智能領(lǐng)域的主導(dǎo)地位將終結(jié)。GPU能夠?yàn)閳D形處理做很多并行矩陣乘法。這樣的矩陣乘法恰好是你需要用神經(jīng)網(wǎng)絡(luò)做的事情。
移動(dòng)到較低的精度
提高效率的一個(gè)途徑是降低人工智能處理所需的精度。
在人工智能中，神經(jīng)網(wǎng)絡(luò)是當(dāng)你展示一幅圖像或一個(gè)詞，我們問它是貓還是狗時(shí)，它說它是貓。如果這是正確的答案，你就不必關(guān)心中間的所有計(jì)算。
理想情況下，人工智能應(yīng)該模仿人眼，這解釋了人工智能處理中精度下降的趨勢(shì)。
2015年，IBM Research發(fā)布了AI模型訓(xùn)練推理的降精度方法，論文描述了一種針對(duì)傳統(tǒng)CMOS技術(shù)的新型數(shù)據(jù)流方法。IBM展示了經(jīng)過16位精度訓(xùn)練的模型，與經(jīng)過32位精度訓(xùn)練的模型相比，精度沒有損失。
從那時(shí)起IBM注意到，降低精度的方法很快被采納為行業(yè)標(biāo)準(zhǔn)，16位培訓(xùn)和8位推斷現(xiàn)在已經(jīng)很普遍，并刺激了創(chuàng)業(yè)公司和風(fēng)險(xiǎn)投資的爆炸式增長，用于降低基于精度的AI芯片，盡管出現(xiàn)了這種新趨勢(shì)，但由于需要保持模型的高精度，用數(shù)字表示小于16位的“訓(xùn)練”幾乎是不可能的。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
