سيعجل معالج IBM "المقاوم" عملية تدريب الشبكات العصبية بمقدار 30 ألف مرة
مرحبًا بك في صفحات مدونة iCover ! من أجل تطوير قوة الذكاء التي سمحت لـ Google AlphaGo بتحقيق انتصار مثير للإعجاب على بطل العالم في لعبة Guo Lee Sedoll ، أخذت AI الآلاف من الرقائق وأيامًا طويلة من التدريب. وفي الوقت نفسه ، يطبق مهندسو IBM بالفعل مفهومًا يسمح بدمج مثل هذه القدرات الفكرية وأكثر إثارة للإعجاب في شريحة واحدة موفرة للطاقة فقط.
طور IBM Tayfun Gokmen و Yuri Vlasov في مركز Watson للأبحاث شريحة وحدة معالجة مقاومة (RPU) جديدة تجمع بين وحدة معالجة مركزية وذاكرة غير متقلبة ويمكن أن تسرع بشكل كبير عملية تدريب الشبكات العصبية العميقة (GNN) في مقارنة بالمعالجات الموجودة بقيم استهلاك طاقة أقل نسبيًا."إن النظام ، الذي يتكون من مجموعة من مسرعات RPU ، سيكون قادرًا على إنجاز مهام البيانات الضخمة ، التي تعالج في الوقت نفسه تريليونات المعلمات. ومن الأمثلة على هذه المصفوفات التعرف على الخطاب الطبيعي وترجمته بين جميع أزواج اللغات الموجودة في العالم ، أو تحليل التدفقات المكثفة للمعلومات العلمية والتجارية في الوقت الفعلي ، أو تحليل تدفقات البيانات متعددة الوسائط من عدد كبير من أجهزة استشعار إنترنت الأشياء ، ”يعلق الباحثون على الحدث. على صفحات مورد arxiv.org .على مدى العقود القليلة الماضية ، تم إحراز تقدم مثير للإعجاب في سرعة التعلم الآلي. وقد أصبح ذلك ممكناً من خلال استخدام معالجات الرسومات ، صفائف FPGA المنطقية القابلة للبرمجة والرقائق المتخصصة (ASIC). اليوم ، لضمان المزيد من التسريع الملموس للعملية ، وفقًا لمؤلفي التطوير ، سيسمح استخدام مفهوم التوازي وموقع خوارزميات معالجة المعلومات. لقد أصبح أساس التنفيذ الناجح لمثل هذه المفاهيم في مختبر IBM هو المبادئ المطبقة في الجيل التالي من تقنيات الذاكرة غير المتطايرة - المرحلة (PCM) والمقاومة (RRAM).
Schematics of original weight update rule of Eq.1 performed at each cross-point. (B) Schematics of stochastic update rule of Eq.2 that uses simple AND operation at each cross-point. Pulsing scheme that enables the implementation of stochastic updates rule by RPU devices for © up and (D) down conductance changes.تتيح لك الذاكرة المقترحة نفسها تسريع DNN (عملية التعلم الآلي العميقة) بمقدار 27-2140 مرة ، لكن الباحثين مقتنعون أنه من خلال إزالة بعض القيود الهيكلية لخلايا التخزين ، سيكونون قادرين على تقديم نتائج أكثر إثارة للإعجاب. ووفقًا لفريق مشترك من المتخصصين العاملين في التكنولوجيا المبتكرة ، فإن الشريحة القائمة على الذاكرة الجديدة غير المتطايرة ، التي تم إنشاؤها وفقًا للمواصفات التي طوروها ، ستوفر زيادة في سرعة الخوارزمية مقارنة بأقوى المعالجات الدقيقة بمقدار 30 ألف مرة.وفقًا لفلاسوف وجوكمن ، سيكون من الممكن تنفيذ مثل هذه الشرائح على أساس تقنيات CMOS التقليدية. في الوقت نفسه ، من المرجح أنه سيكون من الممكن تحقيق المفهوم الموصوف على مستوى الحلول التجارية في وقت لا يتجاوز سنوات قليلة ، عندما "تصل" تقنيات الذاكرة المشار إليها إلى السوق. تبدو الدراسات التي أجرتها شركة IBM والنتائج التي تم تحقيقها نظريًا ، وفقًا للخبراء ، واعدة جدًا اليوم ، حيث أنها تفتح الطريق أمام الفرص النوعية والكمية الجديدة في تطوير تقنيات التعلم الآلي.من المهم أنه بالإضافة إلى شركة IBM نفسها ، من المرجح أن يكون التطوير المشترك لمتخصصي مركز أبحاث TJ Watson في دائرة الضوء في Google وعمالقة تكنولوجيا المعلومات الآخرين ، الذين دخلوا بالفعل السباق طويل الأجل من أجل الحق في كبح قدرات الذكاء الاصطناعي أولاً. وهذا بدوره سيصبح حافزًا قويًا إضافيًا للإدخال السريع للتكنولوجيا على مستوى المنتجات التجارية. الجدوى الفنيةللمصدر(pdf)
أعزائي القراء ، يسعدنا دائمًا أن نلتقي وننتظرك على صفحات مدونتنا. نحن على استعداد لمواصلة مشاركة أحدث الأخبار ومواد المراجعة والمنشورات الأخرى معك ، وسنحاول بذل قصارى جهدنا لجعل الوقت الذي تقضيه معنا مفيدًا لك. وبالطبع ، لا تنسى الاشتراك في أعمدتنا .مقالاتنا وأحداثنا الأخرى Source: https://habr.com/ru/post/ar392285/
All Articles