Q:
Як нові мікросхеми MIT можуть допомогти з нейронними мережами?
A:Нова наукова робота над нейронними мережами може знизити їхні потужність та ресурси до того, що інженери зможуть розмістити свої потужні можливості в набагато більш різноманітних наборах пристроїв.
Це може мати величезний вплив на все в нашому житті, від того, як ми готуємо їжу, до того, як їдемо до лікаря, або як ми об’їжджаємось за допомогою автомобілів чи громадського транспорту.
Подумайте, як смартфони змінили наше життя - тоді подумайте про те, щоб у ці маленькі портативні пристрої були вбудовані технології машинного навчання та штучного інтелекту.
Деякі з цих новаторських робіт демонструються на MIT, де деякі студенти електротехніки та інформатики розглядають, як вдосконалити дизайн та побудову систем AI / ML.
Зокрема, зусилля Абхішека Бісваса, аспіранта MIT, та різних колег привертають багато уваги в технологічній пресі.
Techcrunch розповідає про те, як еволюція науки про нейронну мережу могла б сприяти «обчислюванню на межі» та застосувати більш потужні технології в портативних пристроях, керованих акумуляторами.
Forbes стверджує, що прорив Бісваса міг "поставити штучний інтелект всередину вашого блендера".
Загалом, прогрес науковців MIT викликає хвилі частково тому, що очевидно, як ці досягнення можуть впливати на наші споживчі технології, а також ті, які використовуються для урядових чи ділових цілей.
По суті, тип еволюції процесора, який описує Бісвас, має відношення до функцій сумісного розміщення в мікросхемі. У статті Science Daily письменник пояснює, як більшість традиційних процесорів мають пам'ять, яка зберігається поза зоною обробки, а дані переносяться туди-сюди. Однак ця потреба в русі збережених даних пам’яті забирає багато сил.
Biswas розповідає про "точковий продукт" або основну операцію, яка допомагає нейронним мережам працювати. Ці вчені також розглядають питання використання двійкових ваг для спрощення систем - і ця ідея справді була фундаментальною частиною інформатики ще з часу винайдення перших персональних комп'ютерів.
Просуваючи такі зміни апаратних засобів, вчені надають більше універсальності для машинного навчання та інструментів штучного інтелекту, які змінюють способи використання технологій. Переходячи від чисто детермінованого лінійного програмування до системи, де комп’ютери імітують мозкову діяльність людини, ми збираємося розпочати нову пригоду з набагато потужнішими технологіями, що знаходяться під рукою.