人工智能走出云端

人工智能研究人员正在教程序识别物体、识别模式，甚至像人类一样从经验中学习。这些任务是通过所谓的神经网络实现的，神经网络是由数百万个相互连接的神经元组成的程序，可以模拟人类的大脑。虽然这些网络具有不可思议的潜力，但它们常常需要在互联网上处理信息。

现在，一个研究团队开发了一种新的芯片，可以将同样的人工智能应用到智能手机、传感器和其他移动设备的硬件上。这项新技术是由哈佛大学的研究人员开发的麻省理工学院它可以让这些设备在芯片上运行程序，无需通过云传输就能对数据做出结论。

神经网络通常运行在非常强大的图形处理单元(gpu)上，gpu是用来在屏幕上显示图像的芯片。研究人员将这种新型芯片命名为“Eyeriss”，它的效率是普通移动GPU的10倍，后者包含约200个处理核。

研究团队在建造Eyeriss时使用了168个处理器核，同时提高了速度并降低了功耗。Joel Emer是一名研究科学家英伟达该公司专门研究机器人和自动驾驶汽车的图形芯片。

神经网络是由数百万个处理器设计的，这些处理器就像神经元一样协同工作，在人类大脑中激发信息。它们通常被组织成层，每层都包含由人工突触连接的处理节点。节点划分数据，以某种方式操作它，然后将其发送到下一层进行额外处理。这个过程一直持续到程序完成它的程序。

谷歌和Facebook是转向神经网络的最知名公司之一，它们开发的程序可以识别搜索引擎结果中的模式，甚至可以识别医疗记录，以帮助治疗疾病。神经网络试图找到原始数据和人类程序员应用的标签之间的相关性。更新的项目围棋程序谷歌的DeepMind研究团队构建的程序也采用无监督学习，使程序能够自学解决问题的新策略。

该研究小组的负责人Vivienne Sze说:“你可以想象，如果你能将这种功能应用到你的手机或嵌入式设备上，即使没有Wi-Fi连接，你也可以使用它。”Sze补充说，出于隐私的考虑，本地处理可能是可取的，或者是为了避免在云上来回发送数据所花费的时间。

研究人员通过限制其耗电量，使Eyeriss更高效、更强大。神经网络处理器的主要消耗是在处理核心和内存之间交换数据。传统图形处理器的所有核心都连接到一个存储库，而Eyeriss的每个核心都有自己的内存。这些核心不必浪费时间向遥远的存储器芯片发送数据。此外，数据可以在内核之间共享，而不必通过内存重新路由。

研究人员还用特殊的电路建造了Eyeriss，用来管理被操纵的数据和发送到每个处理核心的指令。新的电路以一种最大化输出的方式将数据分配到核心，然后再从主存储器中获取更多的数据。另一个电路压缩数据，然后将其发送到各个核。

研究人员表示，新芯片可以帮助将人工智能引入传感器技术，用于构建物联网(IoT)。随着人工智能的普及，嵌入在制造设备、建筑甚至动物中的传感器可以传递有关周围环境的结论，而不仅仅是原始数据。

其他公司也在尝试将人工智能植入芯片，将人脑的结构植入硅晶体管中。这些所谓的“神经纯形芯片”是由大量可编程点构成的，这些点的作用就像大脑中的神经元和突触。例如，在2014年，IBM的科学家们展示了一种新的“大脑启发”芯片TrueNorth有一百万个可编程神经元，二亿五千六百万可编程突触，每秒每瓦有四百六十亿突触操作。这种芯片只有一张邮票大小，却包含了大约54亿个晶体管。

一般的愿景neuromorphic芯片制造商NeuroMem的CM1K芯片已经问世。据该公司网站称，这款设备“可以解决文本和数据分析、视觉、音频和多感官融合的模式识别问题”，而且功率比现代微处理器小得多。这些芯片已经获得了英特尔和其他公司的许可，可以成群地连接在一起，形成强大的神经网络。

有了这些神经形态芯片，制造商正试图使设备更强大，更独立。IBM大脑启发计算首席科学家达门德拉·s·莫德哈(Dharmendra S. Modha)博士说:“通过手掌大小的感官和智能应用，这些大脑启发芯片可以改变移动性。”