Многие из недавних прорывов в области искусственного интеллекта, таких как распознавание лиц и системы обработки естественного языка, просто неосуществимы без помощи нейронных сетей.

Нейронные сети тесно связанны с умением процессора, поглощать огромные объемы данных и придавать им смысл. Но развитие нейронных сетей зависит от мощного оборудования, которое может быть размещено только в удаленных центрах обработки данных.

Многие современные устройства могут подключаться к такому виду оборудования, при этом данные вначале загружаются на отдаленных серверах, обрабатываются, а затем отправляются обратно.

Это процедура необходима из-за энергоемкости  нейронных сетей,  что делает их непригодными для маломощных смартфонов и других устройств, таких как смарт-колонки  или фотоэлектрические датчики.

Недостатком, конечно же, является время, необходимое для возврата данных и их дальнейшей отправке в облако, а это значит, что нейронные сети непрактичны для многих из этих приложений.

Именно эту проблему хотят решить исследователи из Массачусетского технологического института, которые заявляют что с помощью нового чипа, можно выполнять всю необходимую обработку данных локально.

Исследователи заявили, что их новый чип на 95 процентов энергоэффективнее обычных процессоров, и может быть встроен в небольшие устройства с батарейным питанием.

Чтобы сократить высокий уровень потребления энергии, Авишек Бисвас, ведущий разработчик нового чипа из Массачусетского технологического института по электротехнике и информатике, манипулировал характеристикой известной в нейронных сетях как «скалярное произведение».

«Общая структура процессора заключается в том, что в одной части чипа находится память, а в другой процессор, и когда вы хотите делать вычисления, происходит перемещение данных между этими двумя компонентами.

Процесс перемещения данных является основной причиной того, что нейронные сети настолько энергоемкие», - сказал Бисвас. «Но вычисление этих алгоритмов может быть упрощено до одной конкретной операции, называемой скалярное произведение», - сказал он.

«Мы хотели узнать, можем ли мы реализовать внутри памяти функциональность скалярного произведения, чтобы исключить необходимости передавать данные туда и обратно?»

Бисвас и его коллеги реализовали процессор, который в отличие от предыдущих моделей, лучше имитирует человеческий мозг. Новый прототип процессора может одновременно вычислять 16 скалярных произведений, теряя лишь 2 - 3 процента точности, что намного опережает обычные процессоры.

Дарио Гил, исполнительный директор IBM,  который участвовал в проекте, сказал, что в будущем результаты эксперимента «несомненно, откроют новые возможность применения сложных сверхточных нейронных сетей для классификации изображений и видео в «интернет».