ACM通信
ACM新闻
人工智能克服脑灵感硬件的障碍
由海德堡大学(Heidelberg University)的神经形态工程师开发的BrainScaleS-2神经形态芯片，使用微型电路模拟我们大脑中实际神经元的模拟计算。
信贷:海德堡大学
如今最成功的人工智能算法，即人工神经网络，松散地基于我们大脑中真实神经网络的复杂网络。但与我们高效的大脑不同，在电脑上运行这些算法需要消耗惊人的能量:最大的模型消耗几乎同样多的电力相当于五辆车的寿命。
进入神经形态计算，更接近我们大脑的设计原则和物理，可能成为人工智能的节能未来。神经形态设计不是在中央处理器和存储芯片之间长距离传输数据，而是模仿我们大脑中果冻状物质的结构，将计算单元(神经元)放置在记忆旁边(存储在连接神经元的突触中)。为了使它们更像大脑，研究人员将神经形态芯片与模拟计算相结合，模拟计算可以处理连续信号，就像真正的神经元一样。由此产生的芯片与目前仅依靠0和1二进制信号处理的数字计算机的架构和计算模式有很大的不同。
从广达电脑杂志
查看全文
没有发现记录