Rangkaian saraf adalah bahan yang kuat, tetapi sangat rakus. Jurutera di Massachusetts Institute of Technology (MIT) telah berjaya mengembangkan cip baru yang mengurangkan penggunaan kuasa rangkaian saraf sebanyak 95%, yang secara teori memungkinkan mereka bekerja walaupun pada peranti mudah alih dengan bateri. Telefon pintar semakin pintar dan pintar hari ini, menawarkan lebih banyak perkhidmatan berbekalkan AI seperti pembantu maya dan terjemahan masa nyata. Tetapi biasanya rangkaian saraf memproses data untuk perkhidmatan ini di awan, dan telefon pintar hanya menghantar data berulang-ulang.
Ini tidak sesuai kerana memerlukan saluran komunikasi yang tebal dan menganggap bahawa data sensitif dihantar dan disimpan di luar jangkauan pengguna. Tetapi jumlah tenaga kolosal yang diperlukan untuk menggerakkan rangkaian saraf yang dikuasakan oleh GPU tidak dapat disediakan dalam peranti yang dikuasakan oleh bateri kecil.
Jurutera MIT telah mengembangkan cip yang dapat mengurangkan penggunaan kuasa ini sebanyak 95%. Cip secara drastik mengurangkan keperluan untuk memindahkan data berulang-ulang antara memori cip dan pemproses.
Jaringan saraf terdiri daripada ribuan neuron buatan yang saling berkaitan yang disusun dalam lapisan. Setiap neuron menerima input dari beberapa neuron di lapisan yang mendasari, dan jika input gabungan melewati ambang tertentu, ia akan mengirimkan hasilnya ke beberapa neuron di atas. Kekuatan hubungan antara neuron ditentukan oleh berat badan yang terjalin semasa proses latihan.
Ini bermaksud bahawa untuk setiap neuron, cip mesti mengekstrak input untuk sambungan tertentu dan berat sambungan dari memori, mengalikannya, menyimpan hasilnya, dan kemudian mengulangi proses untuk setiap input. Banyak data bergerak ke sana sini, dan banyak tenaga terbuang.
Cip MIT baru menghilangkan ini dengan mengira semua input selari dalam memori menggunakan litar analog. Ini secara signifikan mengurangkan jumlah data yang perlu diambil alih dan menghasilkan penjimatan tenaga yang besar.
Pendekatan ini memerlukan berat sambungan menjadi binari dan bukannya julat, tetapi karya teori sebelumnya telah menunjukkan bahawa ini tidak akan mempengaruhi ketepatan, dan para saintis mendapati bahawa hasil cip berbeza 2-3% dari versi biasa rangkaian saraf operasi pada komputer standard.
Ini bukan kali pertama saintis membuat cip yang memproses proses dalam ingatan, mengurangkan penggunaan kuasa rangkaian saraf, tetapi ini adalah kali pertama pendekatan ini digunakan untuk mengoperasikan rangkaian saraf yang kuat yang terkenal dengan pemprosesan imejnya.
Video promosi:
"Hasilnya menunjukkan spesifikasi yang mengagumkan untuk pelaksanaan operasi penggulungan yang cekap tenaga dalam array memori," kata Dario Gil, naib presiden kecerdasan buatan di IBM.
"Ini jelas membuka kemungkinan untuk menggunakan rangkaian saraf konvolusional yang lebih canggih untuk mengklasifikasikan gambar dan video di Internet Perkara pada masa akan datang."
Dan ini menarik bukan hanya untuk kumpulan R&D. Keinginan untuk meletakkan AI pada peranti seperti telefon pintar, peralatan rumah dan semua jenis peranti IoT mendorong banyak di Silicon Valley ke arah cip berkuasa rendah.
Apple telah mengintegrasikan Neural Engine ke dalam iPhone X untuk memberi kuasa, misalnya, teknologi pengecaman wajah, dan Amazon dikhabarkan akan mengembangkan cip AInya sendiri untuk generasi pembantu digital Echo yang akan datang.
Syarikat besar dan pembuat cip juga semakin bergantung pada pembelajaran mesin, yang memaksa mereka menjadikan peranti mereka lebih cekap tenaga. Awal tahun ini, ARM memperkenalkan dua cip baru: pemproses Arm Machine Learning, yang menangani tugas AI umum dari terjemahan ke pengecaman wajah, dan pemproses Arm Object Detection, yang, misalnya, mengesan wajah dalam gambar.
Cip mudah alih terbaru Qualcomm, Snapdragon 845, mempunyai GPU dan sangat didorong oleh AI. Syarikat itu juga melancarkan Snapdragon 820E, yang seharusnya berfungsi dalam drone, robot dan peranti industri.
Ke depan, IBM dan Intel sedang mengembangkan cip neuromorfik dengan seni bina yang diilhamkan oleh otak manusia dan kecekapan tenaga yang luar biasa. Ini secara teorinya memungkinkan TrueNorth (IBM) dan Loihi (Intel) menjalankan pembelajaran mesin yang kuat dengan hanya menggunakan sebahagian kecil kekuatan cip konvensional, tetapi projek-projek ini masih sangat eksperimental.
Akan sangat sukar untuk memaksa cip yang menghidupkan rangkaian saraf untuk menjimatkan kuasa bateri. Tetapi pada tahap inovasi semasa, "sangat sukar" ini nampaknya dapat dilaksanakan.
Ilya Khel
