В наше время нейронные сети, основанные на искусственных связях, без проблем могут распознавать объекты и изображения. Все это стало возможным благодаря глубинному самообучению такого интеллекта. Также подобная форма нейронных сетей имеет очень низкий уровень ошибок. Одним из таких успешных проектов стала нейронная сеть, разработанная компанией Google. Она смогла обыграть профессионального игрока в Го – игру, которая является логически сложной. Единственным недостатком таких чипов является то, что их размеры очень велики, из-за чего их невозможно использовать в портативных электронных устройствах.
Прорыв в области применения искусственного интеллекта в гаджетах сделали ученые из американского MIT (Massachusetts Institute of Technology). Группа исследователей из этого университета на Международной выставке электроники выставила чип, который использует аналоги сложных нейронных сетей, но имеет потребление энергии на уровне портативных электронных устройств.
Почти все известные нейронные сети не имеют универсальной многозадачности, а создаются только для обработки конкретной информации, например, изображения. Единственным общим в них является алгоритм обработки данных. Для каждого параметра существует свой математический фильтр. Чтобы собрать всю эту информацию в единое целое нужно осуществить перемещение огромного ее количества, что, в свою очередь, приводит к большим затратам энергии.
По словам одного из исследователей Джоэла Эммера, между ядрами циркулирует одна и та же информация, но сам процесс перемещения уменьшает быстродействие системы и увеличивает потребление энергии. В чипе NVidia данные хранятся непосредственно рядом с ядром, которое отвечает за обработку этой информации.
В новом нейрочипе 168 ядер, каждое из которых имеет свою память. При необходимости они могут осуществлять обмен информацией между собой. Также существует общая память, которая хранит информацию, необходимую для согласования работы процессора. Благодаря такой уникальной архитектуре чипа ученые смогли добиться потребления энергии меньше трех десятых Ватта.
При всем этом на базе нового чипа можно поместить программное обеспечение, которое использует сложные нейронные сети огромных размеров.
