软装配饰 软装新势力 软装搭配 软装图库 创意满屋 装饰导购 明星家居 旧物改造 软装百科 软装论坛

仿人类大脑的忆阻器 效率超现有的机器学习系统

刘阳 刘阳(好居网用户) 2498天前 / 阅读 :

提及机器学习,往往会涉及到神经网络。神经网络,顾名思义就是模仿人的大脑组织。本周,美国密歇根大学的研究人员声称,他们发明了一种真正的基于人类大脑工作方式的计算机芯片。

【好居网】提及机器学习,往往会涉及到神经网络。神经网络,顾名思义就是模仿人的大脑组织。本周,美国密歇根大学的研究人员声称,他们发明了一种真正的基于人类大脑工作方式的计算机芯片。

这是一款全新的忆阻器阵列芯片,采用以跟大脑相同的方式处理图像,其处理图片和视频等复杂数据的效率,可能会超越现在的同类产品。

密歇根大学的忆阻器

如何更快地处理图像数据,是机器学习当前需要面对的一个问题。现在,摄像头变得无处不在,从无人机、信号灯,到自动驾驶汽车,海量的数据涌到处理器当中等待处理,进行目标检测、面部识别等等。更快地处理数据,就意味着更好的信息采集系统,以及更智能化的AI。

不过,现有的机器学习只是基于现有硬件架构在算法上进行升级,在学习和推理过程中仍需不断在处理器和存储器之间转移大量数据,导致速度较慢,能耗也很高。

而忆阻器是一种新型电子器件,能通过调整内部的原子分布,同时实现数据存储和信号处理的功能,低能耗、高效率并行,实现机器学习里基本的矩阵运算。

它为什么能做到这一点呢?

因为这款忆阻器采用了仿人类的模式识别。它的发明灵感来自于哺乳动物的大脑如何处理信息。

模式识别的一个重要应用就是面部识别,面部识别的能力能让我把一个人和其他的人区分开来。另一种应用是,通过对环境的洞察来发现隐藏在树叶后面的捕食者。

如果让大脑处理人眼收集到的所有信息的话,这个过程将十分烧脑,也将耗费很长时间。相反,大脑会使用模式识别,来快速阅读与当前对象相关的形态和运动,而舍去其他的无效信息。简而言之,这是一种快速捕捉关键信息来处理核心问题的能力。

卢伟和他的忆阻器

和人脑类似,计算机也存在时间和“精力”的限制。

美国密西根大学电子工程与计算机系卢伟教授表示:“今天电脑需要处理的访问信息越来越复杂。电脑需要处理器和内存之间进行稳定且慢速的通信,来获取数据。这让处理器变得很大,昂贵而又费电。”

因此,神经网络也需要利用和人类相同的这种快捷方式。卢伟教授根据这种思路创造了忆阻器。

这种快速处理的方式被称为”稀疏编码“,这是一种模拟动物视觉的人工神经网络方法。它依赖于前期访问信息的处理经验,来构建判断和区分的能力。

这款芯片采用32×32忆阻器阵列,并用该阵列芯片实现了“稀疏编码”的算法。它能通过芯片上神经元之间的竞争,更有效地找出隐含在输入数据内部的结构与模式。

通过这种技术,忆阻器已经实现了在实验室条件下重建图片和测试图形。据报道,在测试中,新忆阻器芯片经过“学习培训”后,可以利用很少的神经元成功从一些名画和照片中找到关键特征。

这种能力进一步提升的话,就可以让忆阻器驱动的系统,像人类在现实世界中那样去处理视觉数据。

卢伟表示,这款忆阻器可直接集成到现有传感器和摄像系统上,实时处理和分析视频数据。它们还可以通过大规模集成实现超级计算机的功能。

不过,”稀疏编码“的算法并不一定比传统的机器学习算法更快,但是它可以更加节能。它可以保留最少数量的神经元去执行特定任务,这就使得相同尺寸的容量中可以放置更多的算力和内存,就可以避免让处理器的“傻大笨粗”,让计算机变得更轻巧一些。

当然,忆阻器也不是唯一的获取仿人类神经元能力的方式。去年,IBM已经做出了世界首个纳米随机相变神经元(phase change neuron),它也可以以仿人类大脑的方式处理信息。

现在,各种稀奇古怪的神经形态处理器原型已经变得司空见惯。在科学家不断尝试的过程中,他们会不断击败之前的方案,最终给我们一个最好的答案。