Компания разработала ускоренную восьмибитную техника обучения алгоритмов с высокой точностью. А также — новый аналоговый чип, который позволяет запускать эту технику машинного обучения. Для этого инженерам IBM пришлось уйти от классических методов вычисления с использованием 32-битного или 16-битного представления вещественного числа.
Вместо них для глубокого обучения они пользовались восьмибитными числами с плавающей точкой. По словам авторов, решение спорное, но задачи распознавания голоса и изображений такой подход решает быстро и эффективно.
Обе разработки были представлены в Монреале на одной из крупнейших в мире конференций по ИИ и машинному обучению NeurIPS 2018. Вице-президент IBM и директор лаборатории Research-Almaden Джеффри Уэлсер комментирует: «Новое поколение ИИ-приложений требует малого времени отклика, больших мощностей и возможности получать самые разные данные из многочисленных потоков. Чтобы раскрыть полный потенциал ИИ в таких условиях, мы и разрабатываем новое аппаратное обеспечение: от ускорителей до специально созданных чипов для высоких рабочих нагрузок».
Масштабирование ИИ с помощью аппаратных решений — часть глобальной программы IBM по переходу к так называемому сильному ИИ, пишет VentureBeat.
Уэлсер говорит, что с помощью подобных разработок в конечном итоге удастся прийти к «широкому» ИИ, который охватывает все дисциплины, чтобы помочь людям решить насущные проблемы.
«Разработанная техника способна обеспечить глубокое обучение в средах с низким энергопотреблением, например, в IoT-системах», — говорит Уэлсер. Аналоговые микросхемы от IBM предназначены для масштабирования ИИ и обучению его по визуальным, речевым и текстовым наборам данных, объясняет он.
Тем временем в Nvidia разработали ИИ-алгоритм, который эффективно переносит локации реального мира в виртуальное пространство. С его помощью разработка игр может стать существенно дешевле. А специалисты из Facebook совместно с учеными из MIT придумали, как с помощью ИИ дать адреса четырем миллиардам людей, которые их сегодня не имеют.
