Кейсы

Процессоры от IBM могут ускорить работу нейросетей в 30 тысяч раз

Далее

Ученые из исследовательского центра IBM T.J. Watson хотят повысить производительность нейронных сетей в 30 000 раз. Для этого они намерены разработать резистивные процессорные блоки, которые увеличат скорость передачи данных и позволят искусственному интеллекту понимать речи и переводить со всех языков мира.

Глубокие нейронные сети можно обучить чем угодно, даже мастерской игре в го, но на этот процесс могут уходить дни и недели. Ученые из IBM Тайфун Гокмен и Юрий Власов хотят решить эту проблему с помощью резистивных процессорных блоков (RPU). Пока что такие устройства существуют лишь как концепция и представляют собой центральный процессор с энергонезависимой памятью.

С помощью такого «железа» можно научить нейросети распознавать естественную речь и переводить со всех языков мира.

Современные нейросети, такие как DeepMind от Google и IBM Watson, вынуждены параллельно выполнять миллиарды задач и постоянно направлять запросы к памяти. Резистивная память позволит перманентно сохранять большие объемы данных непосредственно на центральном процессоре. RPU может ускорить процесс получения и обработки данных, что сократит время обучения нейросетей и уменьшит затраты энергии.

«Мощная параллельная архитектура RPU-блоков позволит повысить производительность в 30 тысяч раз по сравнению с существующими процессорами. Проблемы, для решения которых сегодня нужны несколько дней обучения и крупный дата-центр с тысячей компьютеров, можно будет решить за несколько часов с помощью одного RPU-устройства», — сообщается в официальном документа IBM.

Ученые полагают, что изобрести такой процессор можно с помощью уже существующей КМОП-технологии.

Пока что проект находится на стадии разработки, но если в IBM добьются результатов, то нейросети станут еще умнее. Искусственный интеллект сможет в мгновение ока распознавать изображения и речь и обрабатывать массивы данных так быстро, как никогда прежде.

Загрузка...