| 0 |
|
Дослідники з Інженерного коледжу ім. Річчі при Університеті Массачусетсу в Амгерсті (UMass Amherst) довели, що паралельне проєктування апаратного забезпечення та алгоритмів дозволяє істотно підвищити ефективність штучного інтелекту на периферійних пристроях. Створений ними прототип досяг 95,24% точності в розпізнаванні мов, зменшивши використання обчислювальних ресурсів на 90%.
Це найвищий показник точності серед систем подібного типу, що працюють на базі новітніх апаратних платформ. Результати дослідження відкривають нові можливості для автономної роботи смартфонів, камер, розумних колонок та автомобільних систем без звернення до хмарних дата-центрів.
Сучасні периферійні пристрої все частіше виконують завдання штучного інтелекту безпосередньо на місці, щоб не витрачати час та трафік на передачу даних до віддалених серверів. Проте обробка людської мови (тексту чи аудіо) вимагає значних обчислювальних потужностей, швидко розряджає акумулятори та викликає перегрів компактної електроніки.
Традиційний підхід полягає в адаптації алгоритмів AI під уже наявні чіпи. Команда під керівництвом професора Цянфея Ся (Qiangfei Xia) вирішила створити алгоритм та апаратне забезпечення одночасно, щоб вони максимально доповнювали одне одного.
Для цього науковці поєднали дві передові технології.
Гіпервимірні обчислення (HDC) - алгоритми, натхненні роботою людського мозку, які кодують інформацію у вигляді великих математичних шаблонів замість точних чисел, що спрощує розрахунки.
Аналогові обчислення в пам'яті (IMC) - масиви мемристорів - електронних компонентів, які одночасно зберігають та обробляють дані. Це усуває потребу постійно переміщувати інформацію між окремими блоками пам'яті та процесора.
Під час кодування мовних характеристик команда використала внутрішню випадковість мемристивних пристроїв - властивість, яку раніше вважали недоліком цієї технології. Природна варіативність мемристивного чіпа забезпечила необхідний рівень випадковості для ефективного кодування даних без додаткових апаратних витрат.
«Загальноприйняті підходи зазвичай реалізують алгоритми AI на наявному апаратному забезпеченні. Натомість ми спроєктували алгоритм разом із залізом, що дозволило розкрити сильні сторони кожного з них», - зазначив професор Цянфей Ся.
Створена "система на чіпі" продемонструвала рекордні результати: 95,24% точності під час визначення мови тексту при скороченні обчислювальних ресурсів на 90%.
Розробка є результатом тривалих досліджень, які лабораторія UMass розпочала ще у 2019 році спільно з фахівцями з Університету Теннессі в Ноксвіллі, Університету Південної Каліфорнії та компанії TetraMem.
Цей самий чіп раніше вже успішно випробовували для обробки радіочастотних сигналів та роботи розумних сенсорів. У майбутньому розробники планують адаптувати систему для обробки усного мовлення, що дозволить створити енергоефективний голосовий AI для смартфонів, автомобілів, робототехніки та пристроїв «розумного дому».
Стратегія охолодження ЦОД для епохи AI
| 0 |
|
