在一項有望對依賴人工智能的移動設(shè)備，無人機和機器人進行更高級編程的開發(fā)中，IBM研究人員表示，他們已經(jīng)設(shè)計出一種編程方法，該方法可實現(xiàn)更高的準確性并減少能耗。

AI系統(tǒng)通常采用劃分內(nèi)存和處理單元的過程。這種做法意味著在兩個航路點之間傳輸數(shù)據(jù)會浪費時間。數(shù)據(jù)傳輸量巨大，足以產(chǎn)生昂貴的能耗標簽。

《自然通訊》本周報道說，IBM設(shè)計了一種方法，該方法依靠相變內(nèi)存來更快，更便宜地執(zhí)行代碼。這是一種隨機存取存儲器，其中包含的元素可以在非晶態(tài)和結(jié)晶態(tài)之間快速變化，其性能優(yōu)于更常用的閃存模塊。也稱為P-RAM或PCM。由于其非凡的性能，有人將其稱為“完美的RAM”。

PCM依靠硫族化物玻璃，當電流流過時，硫?qū)倩锊ＡЬ哂懈淖兤錉顟B(tài)的獨特能力。惠普首先探索的相變技術(shù)的一個關(guān)鍵優(yōu)勢是，存儲狀態(tài)不需要連續(xù)的電源即可保持穩(wěn)定。在PCM中添加數(shù)據(jù)不需要擦除周期，這是其他類型的存儲器存儲所特有的。另外，由于可以直接從內(nèi)存執(zhí)行代碼，而不是將代碼復制到RAM中，因此PCM的運行速度更快。

IBM認識到，在圖像和語音識別，游戲和機器人技術(shù)領(lǐng)域中，依賴于深度神經(jīng)網(wǎng)絡(luò)的運營需求不斷增長，要求更高的效率。

研究團隊在公司博客上發(fā)布的解決方案的IBM團隊說：“隨著深度學習的不斷發(fā)展和對強大處理能力的需求，擁有大型數(shù)據(jù)中心的公司將迅速意識到，建造更多的發(fā)電廠來支持所需的額外一百萬倍的運營。例如，對單個圖像進行分類是不經(jīng)濟的，也不是可持續(xù)的。”

報告指出：“很明顯，我們需要通過優(yōu)化微芯片和硬件來使效率更高，從而使此類設(shè)備以更少的功率運行。”

IBM將PCM與人腦進行了比較，并指出PCM“沒有單獨的存儲和計算數(shù)據(jù)的區(qū)域，因此消耗的能量明顯更少”。

PCM的一個缺點是由于讀和寫電導噪聲導致的計算誤差。IBM通過在AI 培訓課程中引入這種噪音來解決該問題。

IBM的報告指出：“我們的假設(shè)是，在DNN訓練期間注入與設(shè)備噪聲相當?shù)脑肼晻岣吣Ｐ偷聂敯粜浴！?/p>

他們的假設(shè)是正確的。他們的模型達到了93.7%的準確度，IBM研究人員稱這是同類存儲器硬件所能達到的最高準確度。

IBM表示，需要做更多的工作才能獲得更高的準確性。他們正在使用小型卷積神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)進行研究，并且最近在神經(jīng)科學前沿報道了他們的進展。

IBM表示：“在一個越來越多的時代過渡到基于AI的技術(shù)（包括物聯(lián)網(wǎng)電池供電的設(shè)備和自動駕駛汽車）時，此類技術(shù)將從快速，低功耗和可靠的DNN推理引擎中受益匪淺。”報告說。