Innehåll
F:
Hur kan nya MIT-chip hjälpa till med neurala nätverk?
A:
Nytt vetenskapligt arbete på neurala nätverk kan minska kraften och resursbehovet till den punkt där ingenjörer kan sätta sina kraftfulla förmågor i mycket mer olika enheter.
Det kan ha en enorm inverkan på allt i våra liv, från hur vi förbereder mat till hur vi går till läkaren eller hur vi tar oss runt med våra bilar eller kollektivtrafik.
Tänk på hur smartphones förändrade våra liv - tänk sedan på att ha maskininlärning och teknik för inbyggd intelligens inbyggd i dessa små, bärbara enheter.
En del av detta banbrytande arbete visas på MIT, där vissa eltekniska och datavetenskapliga studenter tittar på hur man kan förbättra designen och bygga AI / ML-system.
Speciellt insatserna från Abhishek Biswas, en MIT-doktorand, och olika kollegor får mycket uppmärksamhet inom teknikpressen.
Techcrunch talar om hur utvecklingen av neurala nätverk vetenskapen kan främja "dator i kanten" och sätta kraftfullare teknik i bärbara batteridrivna enheter.
Forbes säger att Biswas genombrott kan "sätta konstgjord intelligens i din mixer."
I allmänhet gör MIT-forskarnas framsteg vågor delvis på grund av att det är uppenbart hur dessa framsteg kan påverka våra konsumenttekniker såväl som de som används för regerings- eller affärsändamål.
I huvudsak har den typ av processorutveckling som Biswas beskriver att göra med samlokaliseringsfunktioner i en chipmiljö. I en Science Daily-artikel förklarar författaren hur de flesta traditionella processorer har minne som lagras utanför behandlingsområdet och data skickas fram och tillbaka. Detta behov av förflyttning av lagrade minnedata tar emellertid mycket kraft.
Biswas berättar om "dot-produkt" eller kärnverksamhet som hjälper nervnätverk att fungera. Dessa forskare överväger också att använda binära vikter för att förenkla system - och denna idé har verkligen varit en grundläggande del av datavetenskapen sedan dess de första personliga datorerna uppfanns.
Genom att marknadsföra dessa typer av hårdvaruändringar tillhandahåller forskare mer mångsidighet för maskininlärning och artificiell intelligensverktyg som förändrar hur vi använder teknik. Genom att flytta från rent deterministisk linjär programmering till ett system där datorer efterliknar mänsklig hjärnaktivitet, var på väg att ge sig in på ett nytt äventyr med mycket kraftfullare teknik inom räckhåll.