Sandia尖峰东西改进了人工智能装备

释放双眼,带上耳机,听听看~!

研讨开辟它的桑迪亚国度实验室研讨人员示意,Whetstone是一种能够进步人工神经元输出才能的软件东西,它使神经盘算机网络能够比当前的行业规范更有用地处置惩罚信息。

恰当定名的软件大大减少了实行自立使命所需的电路数目,估计将增添人工智能在手机市场,自动驾驶汽车和图象自动诠释方面的渗入率。

桑迪亚神经科学家布拉德艾蒙说:“不是发出无穷无尽的能量信息,而是由Whetstone练习的人工神经元在尖峰中开释能量,就像人类神经元一样。”

Sandia数学家William Severa示意,最大的人工智能公司已为本身的产物生产了尖峰东西,但没有一种像Whetstone那样疾速或高效。“大公司都意想到这个历程,并竖立了相似的体系,但他们一般只为本身的设想事情。Whetstone将在很多神经平台上事情。“

开源代码近来出现在Nature Machine Intelligence的一篇手艺文章中,并由Sandia提出专利。

怎样锐化神经元

人工神经元基本上是电容器,它吸取并加总电荷,然后以细小的电流开释。被称为“神经形状体系”的盘算机芯片将神经网络组装成大型分组,经由过程向神经元发送电刺激以没法展望的递次模仿人类大脑。这与台式盘算机运用预设电子历程的更多锁定步骤构成对照。

由于它们有时发射,神经形状体系一般比传统盘算机慢,但也须要更少的能量来操纵。他们还须要一种差别的编程要领,由于不然他们的人工神经元会常常发作或不常常发射,这在将它们带到贸易网上是一个题目。

Whetstone作为补充盘算机代码,用于更传统的软件培训顺序,经由过程应用那些仅在已收集到充足的能量 – 读取,信息的情况下飙升的人工神经元来练习和锐化人工神经元。事实证明,该练习在革新规范神经网络方面是有用的,而且正在为神经形状体系的新兴手艺举行评价。

橡树岭国度实验室的神经网络研讨员凯瑟琳舒曼说:“油石是神经形状群落的主要东西。它供应了一种规范化的要领来练习适合在神经形状体系上布置的传统神经网络,这类神经网络之前是以暂时体式格局完成的。

严谨的先生

Aimone说,Whetstone流程可视化为掌握一类健谈的小门生,他们的使命是在先生的桌面上辨认一个物体。在Whetstone之前,门生们向他们之前不堪重负的先生发送了一连的传感器输入流,他们不能不聆听所有这些 – 每次碰撞和傻笑,能够这么说 – 然后才将决议传递给神经体系。这些大批信息一般须要基于云的盘算来处置惩罚,或许增添更多的当地盘算装备以及电力的急剧增添。这两种挑选都增添了贸易人工智能产物的时候和本钱,下降了他们的安全性和隐私性,并使他们的接收度下降。

在Whetstone之下,他们早先严厉的先生只关注每一个门生的简朴“是”或“否”丈量 – 当他们用解决方案举手时,而不是他们所说的统统。比方,假定目标是肯定西席桌上的一块绿色生果是不是是苹果。每一个门生都是一个传感器,能够相应差别质量的苹果:它是不是具有准确的气息,滋味,质地等质量?虽然寻觅赤色的门生可能会投“不”,但寻觅绿色的另一个门生会投“赞同”。当答案的数目(无论是或不是)都充足高以触发神经元的射击才能时,简朴的结果,而不是无尽的胡扯,进入全部神经体系。

虽然Whetstone简化可能会增添毛病,但绝大多数介入的神经元 – 一般凌驾一百万 – 供应的信息在统计上弥补了数据简化引入的不准确性,Severa说,担任该顺序的数学。

“将过于细致的内部信息与大批神经元报告相结合是一种两重预订,”他说。“这是没必要要的。我们的结果通知我们,典范的要领 – 盘算统统而不简化 – 是糟蹋。这就是为何我们能够节约能源并做好。“

补丁顺序结果最好

当修补顺序用于练习新的人工智能装备时,该软件顺序结果最好,因而Whetstone没必要战胜已竖立的能量最小值的进修形式。

这项事情是桑迪亚项目标连续,称为自适应神经算法的硬件加速,该项目探究了桑迪亚实验室指点研讨和开辟办公室支撑的神经平台。现在的事情得到了能源部高等模仿和盘算顺序的支撑。

除了Aimone和Severa以外,纸质作者是桑迪亚研讨人员Craig Vineyard,Ryan Dellana和Stephen Verzi。

人已赞赏
安全新闻

因为品德题目OpenAI不能不宣布其新的高效文本生成器的完全版本

2019-11-15 0:27:43

安全新闻

旨在改良人工耳蜗使用者的履历

2019-11-15 0:27:48

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索