loading...

ghesmatdo

بازدید : 390
جمعه 23 خرداد 1399 زمان : 12:03

محققان آی بی ام در پیشرفتی که نوید برنامه نویسی پیچیده تری از دستگاه های تلفن همراه ، هواپیماهای بدون سرنشین و روبات ها را که به هوش مصنوعی متکی هستند ، می دانند گفتند که آنها یک روش برنامه نویسی را ابداع کرده اند که به دقت بیشتر و کاهش مصرف انرژی منجر می شود.


سیستم های هوش مصنوعی به طور کلی از روش هایی استفاده می کنند که واحدهای حافظه و پردازش را تقسیم می کنند. این عمل به این معنی است که برای انتقال داده ها بین دو ایستگاه راه زمان صرف می شود. حجم انتقال داده به اندازه کافی عظیم است تا بتواند زبانه های انرژی پرهزینه را جمع کند.

Nature Communications هفته جاری گزارش داد که IBM رویکردی را اتکا کرده است که به حافظه تغییر فاز متکی است تا سریعتر و ارزانتر کد را اجرا کند. این نوعی حافظه دسترسی تصادفی است که حاوی عناصری است که می تواند به سرعت بین حالت های بی شکل و بلوری تغییر کند و عملکردی برتر از ماژول های حافظه فلش که معمولاً مورد استفاده قرار می گیرند ارائه می دهد. همچنین به عنوان P-RAM یا PCM شناخته می شود. برخی به دلیل قابلیت عملکرد فوق العاده آن ، آن را "رم عالی" می نامند.

PCM به شیشه کالکوژنید تکیه می کند ، که در صورت عبور جریان از یک ظرفیت منحصر به فرد برای تغییر حالت خود استفاده می کند. یک مزیت اصلی فناوری تغییر فاز ، که ابتدا توسط Hewlett Packard مورد کاوش قرار گرفت ، این است که حالت حافظه برای پایدار ماندن به برق مداوم نیاز ندارد. افزودن داده ها در PCM به چرخه پاک کردن ، معمولی برای سایر انواع حافظه نیاز ندارد. همچنین ، از آنجا که کد به جای کپی کردن در RAM ، ممکن است مستقیماً از حافظه اجرا شود ، PCM سریعتر عمل می کند.

IBM به رسمیت شناخته شده که نیازهای فزاینده عملیات با تکیه بر شبکه های عصبی عمیق در زمینه های تصویر و گفتار ، بازی و رباتیک نیاز به راندمان بیشتری دارد.

"هنگامی که یادگیری عمیق به تکامل و تقاضای قدرت پردازش بیشتر ادامه می دهد" ، یک تیم IBM که در حال مطالعه راه حل های ارسال شده در وبلاگ شرکت است ، "شرکت هایی با مراکز بزرگ داده به سرعت درک خواهند کرد که ساخت نیروگاه های بیشتر برای پشتیبانی از یک میلیون برابر بیشتر از عملیات مورد نیاز برای مثال ، طبقه بندی های یک تصویر واحد ، صرفاً اقتصادی و پایدار نیست. "

در این گزارش آمده است: "بدیهی است ، ما باید با بهینه سازی میکروچیپ ها و سخت افزارها مسیر کارآیی را پیش ببریم تا اینگونه دستگاه ها با کمتری از وات کار کنند."

IBM PCM را با مغز انسان مقایسه کرد و خاطرنشان کرد که "هیچ محفظه جداگانه ای برای ذخیره و محاسبه داده ها ندارد و بنابراین انرژی کمتری مصرف می کند."

یکی از اشکالات PCM ، معرفی نادرست های محاسباتی به دلیل سر و صدای خواندن و نوشتن است. IBM با معرفی چنین سر و صدایی در جلسات آموزش هوش مصنوعی ، این مشکل را برطرف کرد .

در گزارش IBM آمده است: "فرض ما این بود كه تزریق نویز قابل مقایسه با نویز دستگاه در هنگام آموزش DNN ، استحكام مدل ها را بهبود می بخشد."

فرض آنها درست بود. مدل آنها صحت 93.7 درصد را بدست آورده است ، که محققان IBM می گویند بالاترین امتیاز دقت با سخت افزار حافظه قابل مقایسه است .

IBM می گوید برای بدست آوردن درجات بالاتر حتی دقت بیشتری باید انجام شود. آنها مطالعات خود را با استفاده از شبکه های عصبی کانسیلر در مقیاس کوچک و شبکه های مخالف مولد دنبال می کنند و اخیراً از پیشرفت آنها در مرزها در علوم اعصاب خبر داده اند .

محققان آی بی ام در پیشرفتی که نوید برنامه نویسی پیچیده تری از دستگاه های تلفن همراه ، هواپیماهای بدون سرنشین و روبات ها را که به هوش مصنوعی متکی هستند ، می دانند گفتند که آنها یک روش برنامه نویسی را ابداع کرده اند که به دقت بیشتر و کاهش مصرف انرژی منجر می شود.


سیستم های هوش مصنوعی به طور کلی از روش هایی استفاده می کنند که واحدهای حافظه و پردازش را تقسیم می کنند. این عمل به این معنی است که برای انتقال داده ها بین دو ایستگاه راه زمان صرف می شود. حجم انتقال داده به اندازه کافی عظیم است تا بتواند زبانه های انرژی پرهزینه را جمع کند.

Nature Communications هفته جاری گزارش داد که IBM رویکردی را اتکا کرده است که به حافظه تغییر فاز متکی است تا سریعتر و ارزانتر کد را اجرا کند. این نوعی حافظه دسترسی تصادفی است که حاوی عناصری است که می تواند به سرعت بین حالت های بی شکل و بلوری تغییر کند و عملکردی برتر از ماژول های حافظه فلش که معمولاً مورد استفاده قرار می گیرند ارائه می دهد. همچنین به عنوان P-RAM یا PCM شناخته می شود. برخی به دلیل قابلیت عملکرد فوق العاده آن ، آن را "رم عالی" می نامند.

PCM به شیشه کالکوژنید تکیه می کند ، که در صورت عبور جریان از یک ظرفیت منحصر به فرد برای تغییر حالت خود استفاده می کند. یک مزیت اصلی فناوری تغییر فاز ، که ابتدا توسط Hewlett Packard مورد کاوش قرار گرفت ، این است که حالت حافظه برای پایدار ماندن به برق مداوم نیاز ندارد. افزودن داده ها در PCM به چرخه پاک کردن ، معمولی برای سایر انواع حافظه نیاز ندارد. همچنین ، از آنجا که کد به جای کپی کردن در RAM ، ممکن است مستقیماً از حافظه اجرا شود ، PCM سریعتر عمل می کند.

IBM به رسمیت شناخته شده که نیازهای فزاینده عملیات با تکیه بر شبکه های عصبی عمیق در زمینه های تصویر و گفتار ، بازی و رباتیک نیاز به راندمان بیشتری دارد.

"هنگامی که یادگیری عمیق به تکامل و تقاضای قدرت پردازش بیشتر ادامه می دهد" ، یک تیم IBM که در حال مطالعه راه حل های ارسال شده در وبلاگ شرکت است ، "شرکت هایی با مراکز بزرگ داده به سرعت درک خواهند کرد که ساخت نیروگاه های بیشتر برای پشتیبانی از یک میلیون برابر بیشتر از عملیات مورد نیاز برای مثال ، طبقه بندی های یک تصویر واحد ، صرفاً اقتصادی و پایدار نیست. "

در این گزارش آمده است: "بدیهی است ، ما باید با بهینه سازی میکروچیپ ها و سخت افزارها مسیر کارآیی را پیش ببریم تا اینگونه دستگاه ها با کمتری از وات کار کنند."

IBM PCM را با مغز انسان مقایسه کرد و خاطرنشان کرد که "هیچ محفظه جداگانه ای برای ذخیره و محاسبه داده ها ندارد و بنابراین انرژی کمتری مصرف می کند."

یکی از اشکالات PCM ، معرفی نادرست های محاسباتی به دلیل سر و صدای خواندن و نوشتن است. IBM با معرفی چنین سر و صدایی در جلسات آموزش هوش مصنوعی ، این مشکل را برطرف کرد .

در گزارش IBM آمده است: "فرض ما این بود كه تزریق نویز قابل مقایسه با نویز دستگاه در هنگام آموزش DNN ، استحكام مدل ها را بهبود می بخشد."

فرض آنها درست بود. مدل آنها صحت 93.7 درصد را بدست آورده است ، که محققان IBM می گویند بالاترین امتیاز دقت با سخت افزار حافظه قابل مقایسه است .

IBM می گوید برای بدست آوردن درجات بالاتر حتی دقت بیشتری باید انجام شود. آنها مطالعات خود را با استفاده از شبکه های عصبی کانسیلر در مقیاس کوچک و شبکه های مخالف مولد دنبال می کنند و اخیراً از پیشرفت آنها در مرزها در علوم اعصاب خبر داده اند .

نظرات این مطلب

تعداد صفحات : 5

درباره ما
موضوعات
اطلاعات کاربری
نام کاربری :
رمز عبور :
  • فراموشی رمز عبور؟
  • لینک دوستان
    آرشیو
    خبر نامه


    معرفی وبلاگ به یک دوست


    ایمیل شما :

    ایمیل دوست شما :



    <
    پیوندهای روزانه
    آمار سایت
  • کل مطالب : 6
  • کل نظرات : 0
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • بازدید امروز : 2
  • بازدید کننده امروز : 1
  • باردید دیروز : 0
  • بازدید کننده دیروز : 0
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 7
  • بازدید ماه : 18
  • بازدید سال : 62
  • بازدید کلی : 3460
  • کدهای اختصاصی