Whetstone в сто раз ускорит работу искусственных нейронов |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2019-03-01 21:20 Созданный американскими специалистами программный инструмент ускорит искусственные нейронные сети на несколько порядков. Whetstone умеет отделять «мусорные» сигналы от осмысленных. Программа с говорящим названием Whetstone (англ. точильный камень) была разработана учеными Сандийских национальных лабораторий, чтобы уменьшить число схем, необходимых для выполнения задач искусственного интеллекта. В отличие от многих аналогичных продуктов она работает на различных нейронных платформах, пишет EurekAlert. Искусственные нейроны — это, по сути, конденсаторы, абсорбирующие и накапливающие электрические заряды, которые они выделяют потом в виде крошечных вспышек электричества. Нейроморфные микрочипы собирают нейросети в большие системы, имитирующие человеческий мозг. Они посылают электрические стимулы в нейроны, зажигая их в непредсказуемом порядке. Из-за этого нейроморфные системы часто медленнее традиционных компьютеров. Однако они требуют меньше энергии, а также иного подхода к программированию. Whetstone, работающий как дополнительный компьютерный код, тренирует и «затачивает» искусственные нейроны так, чтобы они зажигались только тогда, когда набирается достаточное количество энергии — то есть, информации. Процесс оптимизации можно представить себе в виде взаимодействия учителя и класса очень болтливых школьников. Им велели всем вместе определить, что за предмет лежит на столе учителя. Раньше они бы засыпали вопросами своего ментора, которому пришлось бы выслушивать все, в том числе смешки и глупости. Этот огромный объем информации требует больше вычислений, а значит — больше времени и расходов. С Whetstone новый строгий учитель отвечает только тем ученикам, которые поднимают руку, не обращая внимания на остальные высказывания. «Наш результат показывает, что классический способ — вычисления всего без упрощения — расточительство. Мы можем сэкономить энергию и сделать все правильно», — говорит математик Уильям Севера. Такое упрощение в потенциале может увеличить количество ошибок, однако огромное число участвующих в процессе нейронов компенсирует вероятность неточностей, указывает он. Чип, в десятки раз повышающий производительность нейронных сетей, разработали в прошлом году в Принстоне. Он работает с вычислениями в оперативной памяти, значительно сокращая и время, и потребление энергии. Источник: hightech.plus Комментарии: |
|