Вычислительная эффективность — то, к чему стремятся все разработчики ИИ. Но поддержание баланса между скоростью обучения, точностью и энергопотреблением — нетривиальная задача. IBM разработала метод ускоренного обучения ИИ.

Компания разработала ускоренную восьмибитную техника обучения алгоритмов с высокой точностью. А также — новый аналоговый чип, который позволяет запускать эту технику машинного обучения. Для этого инженерам IBM пришлось уйти от классических методов вычисления с использованием 32-битного или 16-битного представления вещественного числа.

Вместо них для глубокого обучения они пользовались восьмибитными числами с плавающей точкой. По словам авторов, решение спорное, но задачи распознавания голоса и изображений такой подход решает быстро и эффективно.

Обе разработки были представлены в Монреале на одной из крупнейших в мире конференций по ИИ и машинному обучению NeurIPS 2018. Вице-президент IBM и директор лаборатории Research-Almaden Джеффри Уэлсер комментирует: «Новое поколение ИИ-приложений требует малого времени отклика, больших мощностей и возможности получать самые разные данные из многочисленных потоков. Чтобы раскрыть полный потенциал ИИ в таких условиях, мы и разрабатываем новое аппаратное обеспечение: от ускорителей до специально созданных чипов для высоких рабочих нагрузок».

Масштабирование ИИ с помощью аппаратных решений — часть глобальной программы IBM по переходу к так называемому сильному ИИ, пишет VentureBeat.

Уэлсер говорит, что с помощью подобных разработок в конечном итоге удастся прийти к «широкому» ИИ, который охватывает все дисциплины, чтобы помочь людям решить насущные проблемы.

«Разработанная техника способна обеспечить глубокое обучение в средах с низким энергопотреблением, например, в IoT-системах», — говорит Уэлсер. Аналоговые микросхемы от IBM предназначены для масштабирования ИИ и обучению его по визуальным, речевым и текстовым наборам данных, объясняет он.

Источник: hightech.plus