Q:
Hvordan kan nye MIT-brikker hjelpe til nevrale nettverk?
EN:Nytt vitenskapelig arbeid på nevrale nettverk kan redusere kraft- og ressursbehovet til det punktet hvor ingeniører kan sette sine kraftige evner i mye mer forskjellige apparater.
Det kan ha stor innvirkning på alt i livene våre, fra hvordan vi tilbereder mat til hvordan vi går til legen, eller hvordan vi kommer oss rundt med biler eller offentlig transport.
Tenk på hvordan smarttelefoner forandret livene våre - så tenk på å ha maskinlæring og teknologi for kunstig intelligens innebygd i disse små, bærbare enhetene.
Noe av dette banebrytende arbeidet er utstilt på MIT, der noen studenter i elektroteknikk og informatikk ser på hvordan de kan forbedre utformingen og bygge av AI / ML-systemer.
Spesielt innsatsen til Abhishek Biswas, en MIT-student, og forskjellige kolleger får mye oppmerksomhet i teknologipressen.
Techcrunch snakker om hvordan utviklingen av nevrale nettverksvitenskap kan fremme "databehandling i utkanten" og sette kraftigere teknologier i bærbare batteridrevne enheter.
Forbes sier at Biswas gjennombrudd kan "legge kunstig intelligens i blanderen din."
Generelt gjør fremskrittene til MIT-forskerne bølger, delvis fordi det er tydelig hvordan disse prestasjonene kan påvirke forbrukerteknologiene våre, så vel som de som brukes til myndighets- eller forretningsformål.
I hovedsak har den type prosessorutvikling som Biswas beskriver å gjøre med samlokaliseringsfunksjoner i et brikkemiljø. I en Science Daily-artikkel forklarer forfatteren hvordan de fleste tradisjonelle prosessorer har minne som er lagret utenfor behandlingsområdet, og data blir sendt frem og tilbake. Dette behovet for bevegelse av lagrede minnedata tar imidlertid mye krefter.
Biswas snakker om “prikkproduktet” eller kjernedriften som hjelper nevrale nettverk til å fungere. Disse forskerne vurderer også bruken av binære vekter for å forenkle systemer - og denne ideen har virkelig vært en grunnleggende del av informatikk helt siden de første personlige datamaskiner ble oppfunnet.
Ved å promotere denne typen maskinvareendringer gir forskere mer allsidighet for maskinlæring og kunstig intelligensverktøy som endrer hvordan vi bruker teknologier. Ved å gå fra rent deterministisk lineær programmering til et system der datamaskiner etterligner menneskelig hjerneaktivitet, er vi i ferd med å sette i gang med et nytt eventyr med mye kraftigere teknologier innen fingertuppene.
