本篇文章942字，讀完約2分鐘

ibm的幾位研究者近日發(fā)表了論文。 論文闡述了所謂的電阻解決方案單元( resistive processing unit，rpu )的新芯片概念。 據(jù)悉，與之前流傳的cpu相比，該芯片將深度神經(jīng)互聯(lián)網(wǎng)的訓(xùn)練速度提高30000倍。

深神經(jīng)互聯(lián)網(wǎng)( dnn )是一種具有多個隱藏層的人工神經(jīng)互聯(lián)網(wǎng)。 這個神經(jīng)網(wǎng)絡(luò)可以不進(jìn)行監(jiān)視訓(xùn)練也可以不進(jìn)行監(jiān)視訓(xùn)練。 結(jié)果出來的就是可以自己學(xué)習(xí)的機(jī)器學(xué)習(xí)(或者說人工智能)，也就是所謂的深度學(xué)習(xí)。

前幾天，谷歌( alphabet ) deepmind在人機(jī)大戰(zhàn)中擊敗李世石的ai圍棋程序alphago使用了同樣的算法。 alpha go由一個搜索樹算法和數(shù)百萬種神經(jīng)元連接而成的兩個多層深度神經(jīng)互聯(lián)網(wǎng)組成。 一個互聯(lián)網(wǎng)被稱為戰(zhàn)略互聯(lián)網(wǎng)，用于計算走哪一步勝率高，另一個互聯(lián)網(wǎng)被稱為價值互聯(lián)網(wǎng)，用于告訴alpha go如何讓白子和黑子都運轉(zhuǎn)比較好

由于前景廣闊，許多機(jī)器學(xué)習(xí)研究者已經(jīng)聚焦于深度神經(jīng)互聯(lián)網(wǎng)。 但是，要達(dá)到一定程度的智能，這些互聯(lián)網(wǎng)需要非常多的計算芯片，例如alpha go采用的計算芯片數(shù)量達(dá)到了數(shù)千個。 所以，這是消耗計算資源，燒錢的任務(wù)。 但是，現(xiàn)在ibm的研究者提出了強(qiáng)大的計算能力可以與以前流傳的數(shù)千個芯片匹敵的新芯片概念。 這個芯片組合千萬個的話，未來ai的能力可能會越來越突破。

這個叫做rpu的芯片主要利用了深度學(xué)習(xí)等算法的兩個優(yōu)點。 局部性和并行性。 因此，rou利用新一代非易失性存儲器( nvm )技術(shù)的概念，在本地存儲算法中使用的權(quán)值，減小訓(xùn)練中的數(shù)據(jù)移動。 研究人員表示，如果將這個rpu大規(guī)模應(yīng)用于10億以上權(quán)重的深度神經(jīng)互聯(lián)網(wǎng)上，訓(xùn)練速度會提高30000倍。 也就是說，平時訓(xùn)練數(shù)千臺機(jī)器需要幾天的結(jié)果用這個芯片只需要幾個小時，而且能源效率也要低得多。

當(dāng)然，論文只是提出了概念，由于該芯片目前處于研究階段，普通非易失性存儲器尚未進(jìn)入主流市場，預(yù)計這類芯片還需要幾年的時間才能上市。 但是，如果這個芯片確實具有那么大的計算和能效特征，谷歌、facebook等從事ai研究和應(yīng)用的巨頭一定會關(guān)注，ibm本身也是ai、大數(shù)據(jù)的積極參與者之一，東西都會被做出來，