IBM一直在研究重塑人工智能計(jì)算方式的方法。 IBM研究員發(fā)表了一篇論文，介紹了將模擬計(jì)算用于人工智能（AI）的突破。

在構(gòu)建人工智能系統(tǒng)的時(shí)候，需要對(duì)數(shù)據(jù)模型進(jìn)行訓(xùn)練。就是對(duì)訓(xùn)練數(shù)據(jù)的不同子集賦予不同的權(quán)重，例如描述貓不同特征的圖像數(shù)據(jù)。

在傳統(tǒng)（數(shù)字）計(jì)算機(jī)上訓(xùn)練人工智能系統(tǒng)時(shí)，人工智能模型分散存儲(chǔ)在內(nèi)存中。計(jì)算任務(wù)需要在內(nèi)存和處理單元之間不斷傳遞數(shù)據(jù)。IBM 表示，這一過程會(huì)減慢計(jì)算速度，并限制能夠?qū)崿F(xiàn)的能效上限。

將模擬計(jì)算用于人工智能，可能會(huì)提供一種更有效的方法，實(shí)現(xiàn)同數(shù)字計(jì)算機(jī)上運(yùn)行的人工智能相同的結(jié)果。IBM將模擬內(nèi)存計(jì)算或模擬人工智能定義為一種借鑒生物大腦神經(jīng)網(wǎng)絡(luò)運(yùn)行方式關(guān)鍵特征的技術(shù)。研究人員表示，在人類和許多其他動(dòng)物的大腦中，突觸的強(qiáng)度（稱為權(quán)重）決定了神經(jīng)元之間的通信。

IBM表示，在模擬人工智能系統(tǒng)中，這些突觸權(quán)重被就地存儲(chǔ)在相變存儲(chǔ)器（PCM）之類的納米級(jí)電阻存儲(chǔ)器件的電導(dǎo)值中。然后，它們?cè)谏疃壬窠?jīng)網(wǎng)絡(luò)中被用于進(jìn)行累積乘法運(yùn)算。

IBM表示，這項(xiàng)技術(shù)可以減少在存儲(chǔ)器和處理器之間不斷發(fā)送數(shù)據(jù)的需求。

在發(fā)表于《自然-電子學(xué)》（Nature Electronics）的一篇論文中，IBM研究院介紹了一種混合信號(hào)模擬人工智能芯片，可運(yùn)行各種深度神經(jīng)網(wǎng)絡(luò)（DNN）推理任務(wù)。據(jù)IBM 稱，這是首款在測試中執(zhí)行計(jì)算機(jī)視覺AI任務(wù)方面與數(shù)字芯片不相上下的模擬芯片，而且能效比后者更高。

該芯片是在IBM的奧爾巴尼納米技術(shù)中心制造的。它由64個(gè)模擬內(nèi)存計(jì)算內(nèi)核（或芯片）組成，每個(gè)內(nèi)核包含一個(gè)256 x 256的突觸單元交叉陣列。IBM表示，每個(gè)芯片中都集成了基于時(shí)間的模數(shù)轉(zhuǎn)換器，用于在模擬數(shù)據(jù)和數(shù)字?jǐn)?shù)據(jù)之間轉(zhuǎn)換。每個(gè)芯片還集成了輕量級(jí)數(shù)字處理單元，IBM 稱這些處理單元可執(zhí)行非線性神經(jīng)元激活功能和縮放操作。

IBM表示，每塊芯片都可以執(zhí)行一層DNN模型相關(guān)的計(jì)算。論文作者表示：“利用該芯片，我們對(duì)模擬內(nèi)存計(jì)算的計(jì)算精度進(jìn)行了最全面的研究，并在CIFAR-10圖像數(shù)據(jù)集上實(shí)現(xiàn)了92.81%的精確度?！?/p>