14.08.2023 Новости, Искусственный интеллектАналоговая электроника обещает более эффективный способ обучения систем искусственного интеллекта, чем цифровые компьютеры, работающие на нулях и единицах. IBM Research опубликовала статью, в которой обсуждается прорыв в использовании аналоговых вычислений для ИИ-расчетов, сообщает портал ComputerWeekly. При создании систем ИИ необходимо обучить модель данных. При этом придается вес различным подмножествам обучающих данных, например, изображениям, на которых запечатлены характерные особенности кошки. При обучении систем ИИ на традиционном (цифровом) компьютере модель ИИ хранится в дискретных ячейках памяти. Для выполнения вычислительных задач требуется постоянно перемещать данные между памятью и процессорами. По мнению IBM, этот процесс замедляет вычисления и ограничивает максимально достижимую энергоэффективность. Использование аналоговых вычислений для ИИ потенциально позволяет достичь тех же результатов, что и при работе ИИ на цифровом компьютере. IBM определяет аналоговые ИИ-вычисления в памяти, или аналоговый ИИ, как метод, заимствующий ключевые особенности работы нейронных сетей в биологическом мозге. По словам исследователей, в мозге человека и многих других животных связь между нейронами определяет сила синапса, называемая весом. В аналоговых системах ИИ, по словам IBM, эти синаптические веса хранятся локально в значениях проводимости наноразмерных резистивных запоминающих устройств, таких как память на основе фазового перехода (PCM). Затем они используются для ...
читать далее.
