IBM的研究人員表示，他們已經(jīng)設(shè)計出了一種編程方法，可以實現(xiàn)更高的準確性，并降低能源消耗。這項技術(shù)有望為依賴人工智能的移動設(shè)備、無人機和機器人進行更復雜的編程。

    人工智能系統(tǒng)通常采用程序來劃分內(nèi)存和處理單元。這種做法意味著在兩個路徑點之間傳輸數(shù)據(jù)要花費大量時間。數(shù)據(jù)傳輸量大到足以產(chǎn)生昂貴的能源標簽。

    《自然通訊》雜志本周報道稱，IBM設(shè)計了一種方法，該方法依賴于相變內(nèi)存PCM，能夠以更快、更便宜的模式執(zhí)行代碼。這是一種隨機存取存儲器，它包含可以在非晶和晶態(tài)之間快速變化的元素，提供優(yōu)于更常用的閃存模塊的性能。它也被稱為P－RAM或PCM。一些人將其稱為“完美的RAM”，因為它具有非凡的性能。

    PCM依賴于硫族玻璃，這種玻璃有一種獨特的能力，可以在電流通過時改變其狀態(tài)。由惠普公司最先開發(fā)的相變技術(shù)的一個關(guān)鍵優(yōu)勢是，存儲狀態(tài)不需要持續(xù)的電源來保持穩(wěn)定。在PCM中添加數(shù)據(jù)不需要擦除周期，這是其他類型內(nèi)存存儲的典型特征。此外，由于代碼可以直接從內(nèi)存中執(zhí)行，而不是復制到RAM中，因此PCM的運行速度更快。

    在圖像和語音識別、游戲和機器人等領(lǐng)域，依賴于深度神經(jīng)網(wǎng)絡(luò)的操作要求越來越高，需要更高的效率。

    “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！彼麄兊募僭O(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。在一個越來越多地向基于人工智能的技術(shù)過渡的時代，包括物聯(lián)網(wǎng)電池驅(qū)動的設(shè)備和自動駕駛汽車，這些技術(shù)將極大地受益于快速、低功率、可靠準確的DNN推理引擎。