Nové průlomové možnosti v oblasti generativní AI přicházejí díky hlubokým neuronovým sítím. Nicméně jejich architektura má určitá omezení, která brání dosažení maximální efektivity. Konkrétně jde o oddělení paměti a zpracování, což způsobuje značnou zátěž na systémové prostředky kvůli komunikaci mezi těmito dvěma komponenty. Tato komunikace vede ke zpomalení rychlosti a snížení efektivity.

"Lidský mozek je schopen dosáhnout pozoruhodných výkonů při nízké spotřebě energie," řekl jeden z spoluautorů studie, Thanos Vasilopoulos z výzkumné laboratoře IBM ve švýcarském Curychu. Čip od IBM pracuje podobným způsobem jako synapse v mozku, plně integrovaný čip obsahuje 64 jader AIMC propojených prostřednictvím komunikační sítě na čipu. Implementuje také digitální aktivační funkce a další zpracování zapojené do jednotlivých konvolučních vrstev a jednotek dlouhodobé krátkodobé paměti. Konvertory navíc zajišťují plynulé přechody mezi analogovými a digitálními stavy.

Zdroj: Shutterstock

Čipy podle IBM dosáhly 92,81% přesnosti na datovém souboru CIFAR-10, což je široce používaná sbírka obrázků používaných při školení pro strojové učení. "Demonstrujeme téměř stejnou přesnost inferencí jako software s modely ResNet," uvedl Vasilopoulos. ResNet, zkratka pro reziduální neuronovou síť, je model hlubokého učení, který umožňuje trénování tisíců vrstev neuronové sítě bez ztráty výkonu.

Při vývoji museli vývojáři dle Vasilopoulose dbát na určité vylepšení, které by umožnili provádět velké a složité úkoly s nízkou spotřebou energie či s minimálními nároky, jako například v případě mobilního telefonu, kamery či automobilu.

Na svém osobním blogu, kde diskutoval o nejnovějším úspěchu IBM, Vasilopoulos řekl: "Tímto dílem bylo ověřeno mnoho komponent, které jsou potřebné k plnému uskutečnění slibu Analog-AI pro výkonnou a energeticky účinnou umělou inteligenci."

Podal technický přehled čipu v samostatném článku s názvem "Analog in-memory computing coming of age," který byl publikován dne 10. srpna v časopise Electrical and Electronic Engineering. Nazval čip "prvním svého druhu" a popsal ho jako "plně integrovaný mixed-signal in-memory compute čip založený na PCM v 14nm technologii CMOS."