高層速讀
關鍵信息：IBM將神經網絡的關鍵部分直接構建在硅晶體中，使機器效率提高了100倍，而能量僅消耗了1%。該論文已在Nature上發表，但IBM仍需構建出一顆完整的芯片。
關鍵數據：IBM的這款神經網絡芯片由5個晶體管和其他3個組件組成，在普通芯片上只有一個晶體管。
關鍵意義：以這種方式製造的芯片可能會在未來幾年里加速機器學習的發展，讓機器學習更有效率，同時更容易在智能手機等小型設備上進行部署，若能成功，將對英偉達造成巨大沖擊。
神經網絡是人工智能繁榮皇冠上的一顆明珠，他們狼吞虎嚥地吃著數據，並輸出結果，在語音和圖像識別等方面，有著近乎完美的準確性。
但是，神經網絡是按照人類大腦的結構來設計的，通常是用軟件而不是硬件來構建的，而軟件則運行在傳統的計算機芯片上，也就是說，傳統硬件的限制了神經網絡的發展，讓事情變慢了。
IBM的新發現證明，將神經網絡的關鍵部分直接構建在硅晶體中，可以使其效率提高100倍，以這種方式製造的芯片可能會在未來幾年里加速機器學習的發展。
IBM的新芯片，就像在軟件中編寫的神經網絡一樣，模擬了連接大腦中單個神經元的突觸，這些突觸連接的強度可以調整以使網絡能夠學習。
IBM的研究人員在已發表在Nature的論文中展示了這種人造突觸——微電子突觸，其中使用了兩種類型的突觸：短期神經突觸和長期記憶突觸。
美國國家標準與技術研究所的研究員施耐德說，這種方法“解決了一些關鍵問題”，其中最明顯問題的是低準確度，這也一直困擾著之前在硅晶體上構建人工神經網絡的研究員。
研究人員測試了用兩個簡單的圖像識別任務來構建的神經網絡：手寫文字識別和彩色圖像分類，他們發現這個系統和基於軟件的深層神經網絡一樣精確，而只消耗了1%的能量。
這一發現不僅對人工智能很重要，如果它能擴展到商業生產，它可以證明IBM正在進行的一場押注的正確性，儘管該公司目前不出售電腦芯片，但它一直在投資於電腦硬件領域，希望新型微電子元件有助於為下一個重大進展提供動力。
這項新技術可能是第一步，讓機器學習更有效率，同時更容易在智能手機等小型設備上進行部署。施耐德說：“在提高能源效率和提高全連接層的訓練速度方面，100倍的能效似乎值得進一步努力。”
然而IBM芯片的設計相對笨拙，由5個晶體管和其他3個組件組成，在普通芯片上只有一個晶體管，IBM仍然需要構建和測試一個完整的芯片。
儘管如此，這項工作可能是一個重要的、具有生物學意義的步驟，也在朝著計算機的核心方向發展。
閱讀更多 AI商業觀察 的文章
