麻省理工学院研究人员制造节能芯片来执行强大的人工智能任务

一个由美国研究人员组成的团队已经构建了一种节能芯片，该芯片可以执行强大的人工智能 (AI) 任务，从而使未来的移动设备能够实现以人脑为模型的 “神经网络”。

麻省理工学院 (MIT) 的团队开发了一种专门用于实现神经网络的新芯片。

它的效率是移动GpU (图形处理单元) 的10倍，因此它可以使移动设备在本地运行强大的AI算法，而不是将数据上传到internet进行处理。

阅读更多

IISc Bengaluru建立了新的AI和机器学习中心，来自Amity大学和美国的研究人员开发AI平台以加速疫苗开发过程AI现在可以编写自己的计算机代码。这对人类来说是个好消息。这个聪明的烹饪助手让你的烹饪体验更容易在pandeminovel AI工具中帮助预测北极海冰损失

GpU是一种专门的电路，旨在加速帧缓冲区中的图像输出，以输出到显示器。现代智能手机配备了先进的嵌入式芯片组，可以根据其编程完成许多不同的任务。

GpU是这些芯片组的重要组成部分，随着移动游戏突破其功能的界限，GpU性能变得越来越重要。

神经网络在人工智能研究的早期就被广泛研究，但是到20世纪70年代，它们已经失宠了。然而，在过去的十年里，他们以 “深度学习” 的名义回来。

麻省理工学院电气工程和计算机科学系助理教授Vivienne Sze在麻省理工学院的一份声明中说: “深度学习对于物体识别、语音和人脸检测等许多应用都很有用。”

研究人员将其称为 “Eyeriss” 的新芯片也可以帮助引入 “物联网”，即车辆，电器，土木工程结构，制造设备甚至牲畜都将具有传感器，这些传感器将直接报告信息到联网服务器，从而有助于维护和任务协调。

有了强大的人工智能算法，联网设备可以在本地做出重要决定，只把他们的结论，而不是原始的个人数据委托给互联网。

该小组最近在旧金山举行的 “国际固态电路会议” 上介绍了他们的发现。

在会议上，麻省理工学院的研究人员使用 “Eyeriss” 来实现执行图像识别任务的神经网络。这是第一次在定制芯片上展示了最先进的神经网络。

三星移动处理器创新实验室高级副总裁Mike polley解释说: “这项工作非常重要，展示了用于深度学习的嵌入式处理器如何提供功能和性能优化，从而将这些复杂的计算从云中带到移动设备。”