高层速读
关键信息：IBM将神经网络的关键部分直接构建在硅晶体中，使机器效率提高了100倍，而能量仅消耗了1%。该论文已在Nature上发表，但IBM仍需构建出一颗完整的芯片。
关键数据：IBM的这款神经网络芯片由5个晶体管和其他3个组件组成，在普通芯片上只有一个晶体管。
关键意义：以这种方式制造的芯片可能会在未来几年里加速机器学习的发展，让机器学习更有效率，同时更容易在智能手机等小型设备上进行部署，若能成功，将对英伟达造成巨大冲击。
神经网络是人工智能繁荣皇冠上的一颗明珠，他们狼吞虎咽地吃着数据，并输出结果，在语音和图像识别等方面，有着近乎完美的准确性。
但是，神经网络是按照人类大脑的结构来设计的，通常是用软件而不是硬件来构建的，而软件则运行在传统的计算机芯片上，也就是说，传统硬件的限制了神经网络的发展，让事情变慢了。
IBM的新发现证明，将神经网络的关键部分直接构建在硅晶体中，可以使其效率提高100倍，以这种方式制造的芯片可能会在未来几年里加速机器学习的发展。
IBM的新芯片，就像在软件中编写的神经网络一样，模拟了连接大脑中单个神经元的突触，这些突触连接的强度可以调整以使网络能够学习。
IBM的研究人员在已发表在Nature的论文中展示了这种人造突触——微电子突触，其中使用了两种类型的突触：短期神经突触和长期记忆突触。
美国国家标准与技术研究所的研究员施耐德说，这种方法“解决了一些关键问题”，其中最明显问题的是低准确度，这也一直困扰着之前在硅晶体上构建人工神经网络的研究员。
研究人员测试了用两个简单的图像识别任务来构建的神经网络：手写文字识别和彩色图像分类，他们发现这个系统和基于软件的深层神经网络一样精确，而只消耗了1%的能量。
这一发现不仅对人工智能很重要，如果它能扩展到商业生产，它可以证明IBM正在进行的一场押注的正确性，尽管该公司目前不出售电脑芯片，但它一直在投资于电脑硬件领域，希望新型微电子元件有助于为下一个重大进展提供动力。
这项新技术可能是第一步，让机器学习更有效率，同时更容易在智能手机等小型设备上进行部署。施耐德说：“在提高能源效率和提高全连接层的训练速度方面，100倍的能效似乎值得进一步努力。”
然而IBM芯片的设计相对笨拙，由5个晶体管和其他3个组件组成，在普通芯片上只有一个晶体管，IBM仍然需要构建和测试一个完整的芯片。
尽管如此，这项工作可能是一个重要的、具有生物学意义的步骤，也在朝着计算机的核心方向发展。
閱讀更多 AI商業觀察 的文章
