节能人工智能检测心脏缺陷
CWI研究人员Bojian Yin和Sander Bohté,以及他们在埃因霍温Stichting校际微型电子中心(IMEC)的同事Federico Corradi,在所谓的峰值神经网络计算方面取得了数学突破。
得益于这一突破,适合这种人工智能(AI)的特殊芯片可以比传统人工智能技术更高效地识别语音、手势和心电图(ECGs)。这样的芯片即将应用到日常生活中。
这项研究的结果发表在科学杂志上自然-机器智能2021年10月14日。
节能
在过去的十年里,人工智能获得了越来越多的日常应用,包括识别图像和语音。这是用deep完成的神经网络这是对人类大脑处理信息方式的高度简化模拟。为移动应用程序然而,运行当前的AI模型往往成本过高能源.因此,开发低功耗AI变得越来越重要。
让人工智能应用更节能的一种方法是让神经网络更类似于人类大脑的神经网络。经典神经网络使用连续的、易于数学处理的信号。峰值神经网络使用脉冲进行计算,这更像大脑中发生的事情,消耗更少的能量,但缺点是信号是不连续的,更难用数学方法处理。然而,Bohté和他的两位合著者找到了这个问题的数学解决方案。
“我们测试了计算机算法Bohté说。“这些基准由大约十个手势、一系列单词和一个连续的心电信号组成。我们的算法至少和传统算法一样好,但比传统算法节能得多深度神经网络.理论上,我们可以获得100到1000的倍数。”
大脑计算机
为了在日常应用中使用像Bohté的算法,需要特殊的神经形态计算机芯片。与传统的计算机芯片相比,这些芯片的结构更像人类大脑的生物结构。Bohté说:“基于我们的算法,我们的研究伙伴IMEC制作了一种特殊的神经形态芯片有336个尖刺神经元:μBrain芯片。如果我们在这个特殊的芯片上运行我们的算法,我们的能量消耗增加了20倍。与理论上的能量增益相比,由于数字信号与模拟信号的转换,以及数据的读取,实际的能量增益总是较低的。但20倍的能量增益仍然很大。对于检测心脏缺陷,这意味着你可以植入一个心电图记录芯片,它可以使用一个电池运行一年。”
未来几年,神经形态芯片将包含越来越多的尖刺神经元,这将进一步扩大人工智能在可穿戴芯片中的应用可能性。例如,美国芯片制造商英特尔在9月底生产了神经形态芯片Loihi 2,该芯片已经包含了100万个尖刺神经元。
进一步探索