|
來源：36氪 IBM 的幾位研究人員近日公布了一份論文，論文闡述了一種所謂的電阻式處理單元（Resistive Processing Unit，RPU）的新型芯片概念，據(jù)稱與傳統(tǒng) CPU 相比，這種芯片可以將深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度提高至原來的 30000 倍。 深度神經(jīng)網(wǎng)絡(luò)（DNN）是一種有多隱層的人工神經(jīng)網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)即可進(jìn)行有監(jiān)督訓(xùn)練，也可進(jìn)行無監(jiān)督訓(xùn)練，結(jié)果出來的就是能夠自行 “學(xué)習(xí)” 的機(jī)器學(xué)習(xí)（或者叫人工智能），也即所謂的深度學(xué)習(xí)。 前不久 Google（Alphabet） DeepMind 在人機(jī)大戰(zhàn)中擊敗李世石的 AI 圍棋程序 AlphaGo 就采用了類似算法。AlphaGo 由一個搜索樹算法和兩個有數(shù)百萬類神經(jīng)元連接的多層深度神經(jīng)網(wǎng)絡(luò)組成。其中一個網(wǎng)絡(luò)叫做 “策略網(wǎng)絡(luò)”，用于計(jì)算走哪一步的勝率最高，另一個網(wǎng)絡(luò)叫做 “價(jià)值網(wǎng)絡(luò)”，用于告訴 AlphaGo 怎么移動對白子和黑子都更好，這樣就可以降低可能性的深度。 由于前景看好，許多機(jī)器學(xué)習(xí)研究人員都已經(jīng)把焦點(diǎn)集中到深度神經(jīng)網(wǎng)絡(luò)上面。但是，為了達(dá)到一定程度的智能，這些網(wǎng)絡(luò)需要非常多的計(jì)算芯片，比如 AlphaGo 使用的計(jì)算芯片數(shù)量就達(dá)到了幾千個。所以這是一項(xiàng)很耗計(jì)算資源、同時也很燒錢的任務(wù)。不過現(xiàn)在 IBM 的研究人員提出了一種新的芯片概念，其強(qiáng)大的計(jì)算能力可以一個就頂傳統(tǒng)芯片的幾千，而如果將成千上萬個這種芯片組合起來的話，未來 AI 的能力也許就會出現(xiàn)更多的突破。 這種名為 RPU 的芯片主要利用了深度學(xué)習(xí)等算法的兩個特點(diǎn)：本地性以及并行性。為此 ROU 借助了下一代非易失性內(nèi)存（NVM）技術(shù)的概念，把算法用到的權(quán)重值存儲在本地，從而把訓(xùn)練過程中的數(shù)據(jù)移動最小化。研究人員稱，如果把這種 RPU 大規(guī)模應(yīng)用到有 10 億多個權(quán)重的深度神經(jīng)網(wǎng)絡(luò)，則訓(xùn)練速度最高可以加速 30000 倍，也就是說平時需要幾千臺機(jī)器訓(xùn)練幾天才能出的結(jié)果用這種芯片幾個小時就可以搞定，而且能效還要低得多。 當(dāng)然，論文只是提出了一種概念，這種芯片目前還處在研究階段，同時鑒于普通非易失性內(nèi)存尚未進(jìn)入主流市場，所以這樣的芯片上市估計(jì)還需要幾年的時間。不過如果這種芯片的確有那么大的計(jì)算和能效優(yōu)勢的話，相信 Google、Facebook 等從事 AI 研究和應(yīng)用的巨頭一定會關(guān)注的，而 IBM 本身也是 AI、大數(shù)據(jù)的積極參與者之一，東西要是做出來市場是應(yīng)該不用發(fā)愁的。 |
