Исследователи разработали процессор на основе нейронной сети, который может выполнять задачи искусственного интеллекта намного быстрее, чем традиционные чипы, устраняя необходимость доступа к внешней памяти.
Даже лучшие процессоры сталкиваются с узкими местами при обработке данных, поскольку для вычислений требуется оперативная память, что приводит к неэффективности перемещения данных туда и обратно. Поэтому IBM надеется решить так называемое узкое место фон Неймана с помощью своего чипа NorthPole. Природа.
Процессор NorthPole встраивает небольшой объем памяти в каждое из своих 256 ядер, которые связаны друг с другом аналогично тому, как части мозга связаны с белым веществом. Это означает, что чип полностью устраняет узкое место.
Я ищу вдохновение в человеческом мозге
IBM NorthPole — это скорее подтверждение концепции, чем полнофункциональный чип, способный конкурировать с такими процессорами, как AMD и Nvidia. Например, он включает в себя только 224 МБ оперативной памяти, что далеко не соответствует размеру, необходимому для искусственного интеллекта или запуска больших языковых моделей (LLM).
Чип также может легко запускать предварительно запрограммированные нейронные сети, обученные на отдельных системах. Но его уникальная архитектура означает, что настоящей изюминкой является энергоэффективность, которой он может похвастаться. Исследователи утверждают, что если бы Северный полюс был построен сегодня с использованием самых современных производственных стандартов, он был бы в 25 раз более эффективным, чем тот. лучшие графические процессоры И лучшие процессоры.
«Его энергоэффективность просто ошеломляет», — сказал Дэмиен Керлиоз, исследователь наноэлектроники из Университета Париж-Сакле в Палезо, согласно журналу Nature. «Работа, опубликованная в журнале Science, показывает, что вычисления и хранение данных могут быть интегрированы в больших масштабах», — говорит он. «У меня такое чувство, что эта статья встряхнет господствующее мышление в области компьютерной архитектуры».
Он также может превосходить системы искусственного интеллекта в таких задачах, как распознавание изображений. Его архитектура нейронной сети означает, что нижний уровень принимает данные, такие как пиксели изображения, а последующие уровни начинают распознавать шаблоны, которые становятся более сложными по мере передачи информации от одного уровня к другому. Затем верхний уровень выводит окончательный результат, например, предположение о том, содержит ли изображение определенный объект.
Больше от TechRadar Pro
