深度神经网络(DNN)几乎可以学会任何知识,甚至可以在人类创造的比赛中击败人类。但问题在于,训练人工智能(AI)系统需要依靠昂贵的超级计算机或数据中心来进行,并且每次都需要好几天的时间。据科技资讯网站engadget(www.engadget.com/)报道,IBM公司T.J. Watson Research Center(华生研究中心)的科学家认为,使用“电阻式处理器”,可以大幅削减功耗和学习时间。“电阻式处理器”是一种将CPU和非易失性存储器相结合的芯片,目前尚处于理论阶段。华生研究中心的研究团队表示,这可以为数据处理速度带来指数级增长,让系统能够承担自然语音识别、各种世界语言的相互翻译等任务。
那么,为什么训练人工智能需要耗费如此多的运算能力和时间呢?问题就在于,谷歌DeepMind或IBM Watson等现代神经网络必须同时执行数十亿个任务。这就需要无数次调用CPU内存,在短时间内产生数十亿次循环。研究人员曾讨论使用非易失性RAM等可按DRAM的速度永久存储数据的新型存储技术来解决这个问题。但他们最终构思出了一种新型芯片——电阻式处理器(RPU),将非易失性RAM的大量数据直接放到CPU上。
这种芯片提取数据的速度可与处理数据的速度相媲美,大幅减少神经网络训练时间和功耗。研究人员在论文中指出:“这个大型并行RPU架构的加速能力是最顶级微处理器的3万倍。仅需使用一个RPU加速器,目前需要花费数天时间、利用数千台计算机组成的数据中心级群集进行训练才能解决的问题,将在几个小时之内得到解决。”
科学家认为,使用常规CMOS技术即可制成此类芯片,但目前,RPU仍在研究阶段。此外,RPU需要使用的技术,例如非易失性RAM,也还有待商业化。