#今日论文推荐# “烧脑”还能节能?神经形态技术可使大型深度学习网络节能16倍
近日,格拉茨技术大学 (TU Graz)的计算机科学家在 Nature Machine Intelligence 期刊上发表论文表明,他们通过在类脑神经形态芯片上模拟人脑的长-短期记忆单元功能,大幅提高运行大型深度学习神经网络的能源效率,最高达到其他 AI 系统的16倍。
近年来,人工智能 (AI) 得到了突飞猛进的发展,广泛应用于机器视觉、推荐算法、自动驾驶、生物医疗、自然语言处理、智能助手等等生活的方方面面,这样的成就离不开其背后的核心,也即人工神经网络 (ANN) 和深度学习 (DL) 技术的突破。人工神经网络非常擅长处理大量数据,能够自主识别和推断对象以及不同对象之间的关系,但其同样极其惊人的能耗一直是阻碍这一领域发展的主要障碍,不仅设备、能源成本高昂导致高度中心化,还会带来大量的碳排放,对环境非常不友好。
而在这次突破性研究中,格拉茨技术大学 (TU Graz) 理论计算机科学研究所与英特尔神经形态计算实验室的科学家们通过实验展示了,在运行大型深度神经网络处理自然语言句子等序列时,使用他们的神经形态技术硬件所消耗的能量只有非神经形态硬件的1/4甚至是1/16。这一惊人的突破可能会以无法估量的方式推动人工智能的发展。
论文题目:A Long Short-Term Memory for AI Applications in Spike-based Neuromorphic Hardware
详细解读:https://www.aminer.cn/research_report/62a2aade7cb68b460fcec9a7?download=falsehttps://www.aminer.cn/research_report/62a2aade7cb68b460fcec9a7?download=false
AMiner链接:https://www.aminer.cn/?f=cs