先进的人工智能有一个渴望葡萄酒,而不是权力

人类大脑处理大量的信息。葡萄酒爱好者品尝新酒时,神经网络在他们的大脑从每个sip处理数组的数据。神经元突触的火,称重数据的每一位的重要性——酸度,果味,痛苦之前,将其传递给下一层神经元网络。因为信息流动,大脑解析出葡萄酒的类型。

科学家想要人工智能(AI)系统复杂的数据鉴赏家,于是他们设计电脑版本的神经网络来处理和分析信息。人工智能正迎头赶上,人类的大脑在许多任务,但通常消耗更多的能量来做同样的事情。我们的大脑使这些计算而消费估计平均20瓦的电力。一个人工智能系统可以使用数千倍。这个硬件还可以延迟,使AI慢,效率低,效果低于我们的大脑。一个大型的人工智能研究领域正在寻找能源密集度较低的选择。

现在,在一项研究发表在《物理评论》杂志上,科学家在国家标准与技术研究院(NIST)和他们的合作者们已经开发出一种新型的人工智能硬件,可以使用更少的能源和运行更快,这个测试已经通过了一个虚拟的品酒。

与传统的计算机系统,人工智能包括物理硬件电路和软件。人工智能系统硬件通常含有大量的传统硅芯片能源口渴作为一个群体:训练一个先进的商业自然语言处理器,例如,消耗大约190兆瓦小时(兆瓦)的电能,大约16人的金额在一整年在美国使用。这是在人工智能上了一天的工作的工作是训练了。

减少能源密集型的方法是使用其他类型的硬件创造人工智能神经网络,研究团队正在寻找替代品。一个设备显示的承诺是一个磁隧道结(MTJ),这是擅长的数学神经网络使用,只需要一个比较几小口的能量。其他小说设备基于mtj已多次证明使用更少的能量比传统的硬件。mtj也可以更快地运行,因为他们在同一个地方存储数据进行计算,与传统的芯片存储数据的地方。也许最重要的是,mtj已经重要的商业。他们担任硬盘驱动器读写头多年,今天被用作小说电脑记忆。

尽管研究人员有信心的能源效率mtj基于他们过去的表现在硬盘和其他设备,能源消耗不是本研究的焦点。他们首先需要知道是否mtj数组甚至可以作为神经网络。为了找到答案,他们带了一个虚拟的品酒。

科学家与NIST的硬件为人工智能程序及其马里兰大学的同事捏造和程序提供的一个非常简单的神经网络从mtj合作者在西部数据在圣何塞的研究中心,加利福尼亚。

就像任何葡萄酒鉴赏家,训练其虚拟口感所需的人工智能系统。团队训练的网络使用148葡萄酒178年从一个数据集由三种类型的葡萄。每个虚拟葡萄酒有13个特征考虑,如酒精含量、颜色、类黄酮、火山灰、碱度和镁。每个特征被分配一个值在0和1之间的网络时需要考虑的鉴别酒的。

“这是一个虚拟的品酒,但品尝是通过分析设备更有效,但不如自己品尝它有趣,”布莱恩·霍斯金斯NIST的物理学家说。

然后给出了一个虚拟的品酒测试完整的数据集,其中包括30葡萄酒没有见过的。系统通过95.3%的成功率。30的葡萄酒没有训练,只犯了两个错误。研究人员认为,这一个好迹象。

“告诉我们,这是工作,95.3%“NIST物理学家雅比斯麦克勒兰德说。

关键不是构建一个AI侍酒师。相反,这早期的成功显示数组MTJ设备可能会扩大和用于构建新的人工智能系统。当一个人工智能系统使用的能量取决于它的组件,使用mtj作为突触可以大大减少其能源使用了一半如果不是更多,这可能使降低电力使用应用程序如“智能”服装,微型无人驾驶飞机,或传感器这一过程数据来源。

“很可能显著的能源节省将意识到传统的基于软件的方法实现大神经网络使用这种类型的数组,“麦克勒兰德说。

参考:商誉JM,普拉萨德N, Hoskins BD, et al。实施一系列二进制神经网络在一个被动的磁性隧道结。应用物理评论。2022;18 (1):014039。doi:10.1103 / PhysRevApplied.18.014039

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。