详细内容或原文请订阅后点击阅览
新芯片可以为移动设备带来“深度学习”
近年来，人工智能 (AI) 领域最令人兴奋的进展来自神经网络——常规数据处理的大型虚拟网络，大致模拟了人脑的解剖结构。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）近年来，人工智能 (AI) 领域最令人兴奋的进展来自神经网络——常规数据处理的大型虚拟网络，大致模拟了人脑的解剖结构。
神经网络通常使用图形处理单元 (GPU) 来实现，GPU 是所有带屏幕的计算设备中使用的专用图形芯片。智能手机中使用的移动GPU可以拥有多达200个计算核心或处理单元，使其成为模拟网络分布式处理器的合适工具。
在本周于旧金山举行的国际固态电路会议上，麻省理工学院 (MIT) 的研究人员展示了一款专为实现神经网络而设计的新型芯片。它的效率是当今移动 GPU 的 10 倍，因此它可以允许移动设备在本地运行强大的人工智能算法，而无需将数据上传到互联网进行后续处理。
神经网络在人工智能研究的早期被广泛研究，但在 20 世纪 70 年代有点被遗忘。然而，近几十年来，人们对与所谓的“深度学习”相关的神经网络的兴趣激增。
研究人员将这种新芯片称为“Eyeriss”，它还可以帮助实现工业互联网或物联网。这一想法与连接到互联网的家用和工业设备以及车辆的使用相关，它们直接向网络服务器报告信息，帮助解决问题和协调行动。借助强大的内置人工智能算法，网络设备可以仅根据其发现结果在本地做出重要决策，而无需等待通过互联网处理的数据。当然，内置神经网络对于电池供电的自主机器人也很有用。