Q:
Hoe kunnen nieuwe MIT-chips helpen bij neurale netwerken?
EEN:Nieuw wetenschappelijk werk op neurale netwerken kan hun energie- en hulpbronnenvereisten zodanig verminderen dat ingenieurs hun krachtige mogelijkheden in veel meer verschillende sets apparaten kunnen stoppen.
Dat kan een enorme impact hebben op alles in ons leven, van hoe we voedsel bereiden tot hoe we naar de dokter gaan, of hoe we ons verplaatsen met onze auto's of het openbaar vervoer.
Denk na over hoe smartphones ons leven hebben veranderd - denk er dan over na dat machine learning en kunstmatige intelligentie technologieën zijn ingebouwd in deze kleine, draagbare apparaten.
Een deel van dit baanbrekende werk is te zien op MIT, waar enkele studenten elektrotechniek en informatica kijken naar hoe ze het ontwerp en de bouw van AI / ML-systemen kunnen verbeteren.
In het bijzonder krijgen de inspanningen van Abhishek Biswas, een MIT-afgestudeerde student, en verschillende collega's veel aandacht in de technologiepers.
Techcrunch vertelt over hoe de evolutie van de neurale netwerkwetenschap "computergebruik aan de rand" zou kunnen bevorderen en krachtigere technologieën in draagbare batterij-aangedreven apparaten zou kunnen brengen.
Forbes zegt dat de doorbraak van Biswas 'kunstmatige intelligentie in je blender kan brengen'.
Over het algemeen wakkert de vooruitgang van de MIT-wetenschappers gedeeltelijk aan, omdat het duidelijk is hoe deze prestaties onze consumententechnologieën kunnen beïnvloeden, evenals die welke worden gebruikt voor overheids- of zakelijke doeleinden.
In essentie heeft het type processorevolutie dat Biswas beschrijft te maken met het co-lokaliseren van functies in een chipomgeving. In een Science Daily-artikel legt de schrijver uit hoe de meeste traditionele processors geheugen hebben dat buiten het verwerkingsgebied is opgeslagen en gegevens heen en weer worden gebracht. Deze behoefte aan het verplaatsen van opgeslagen geheugengegevens vergt echter veel kracht.
Biswas spreekt over het "puntproduct" of kernoperatie die neurale netwerken helpt te werken. Deze wetenschappers overwegen ook het gebruik van binaire gewichten om systemen te vereenvoudigen - en dit idee is echt een fundamenteel onderdeel van de informatica geweest sinds de eerste personal computers werden uitgevonden.
Door dit soort hardwareveranderingen te promoten, bieden wetenschappers meer veelzijdigheid voor de tools voor machinaal leren en kunstmatige intelligentie die de manier waarop we technologieën gebruiken veranderen. Door van puur deterministische lineaire programmering over te gaan naar een systeem waarbij computers menselijke hersenactiviteit nabootsen, staan we op het punt een nieuw avontuur aan te gaan met veel krachtigere technologieën binnen handbereik.
