隨著在舊金山舉行的國際電子設(shè)備會議（IEDM）和在蒙特利爾舉行的神經(jīng)信息處理系統(tǒng)會議（NeurlPS）的開門紅，對于任何希望跟上人工智能研發(fā)發(fā)展步伐的人來說，本周都顯得十分重要。
正如IBM的研究人員正在詳細介紹用于數(shù)字和模擬人工智能芯片的新人工智能方法。IBM自豪地宣稱，其數(shù)字AI芯片“首次成功地使用8位浮點數(shù)訓練了深度神經(jīng)網(wǎng)絡(luò)（DNNs），同時在深度學習模型和數(shù)據(jù)集的頻譜上完全保持了準確性?！?/p>
另外，IBM的研究人員正在IEDM上展示一種模擬人工智能芯片，它使用8位精度的內(nèi)存與投影相變內(nèi)存相乘。
AI的GPU時代結(jié)束了
IBM大膽預(yù)測，GPU在人工智能領(lǐng)域的主導(dǎo)地位將終結(jié)。GPU能夠為圖形處理做很多并行矩陣乘法。這樣的矩陣乘法恰好是你需要用神經(jīng)網(wǎng)絡(luò)做的事情。
移動到較低的精度
提高效率的一個途徑是降低人工智能處理所需的精度。
在人工智能中，神經(jīng)網(wǎng)絡(luò)是當你展示一幅圖像或一個詞，我們問它是貓還是狗時，它說它是貓。如果這是正確的答案，你就不必關(guān)心中間的所有計算。
理想情況下，人工智能應(yīng)該模仿人眼，這解釋了人工智能處理中精度下降的趨勢。
2015年，IBM Research發(fā)布了AI模型訓練推理的降精度方法，論文描述了一種針對傳統(tǒng)CMOS技術(shù)的新型數(shù)據(jù)流方法。IBM展示了經(jīng)過16位精度訓練的模型，與經(jīng)過32位精度訓練的模型相比，精度沒有損失。
從那時起IBM注意到，降低精度的方法很快被采納為行業(yè)標準，16位培訓和8位推斷現(xiàn)在已經(jīng)很普遍，并刺激了創(chuàng)業(yè)公司和風險投資的爆炸式增長，用于降低基于精度的AI芯片，盡管出現(xiàn)了這種新趨勢，但由于需要保持模型的高精度，用數(shù)字表示小于16位的“訓練”幾乎是不可能的。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
