Ученые из программы NIST Hardware for AI и их коллеги из Университета Мэриленда создали свою нейронную сеть, которая работает с повышенной эффективностью.
Как и в случае с традиционными компьютерными системами, у ИИ есть физические аппаратные схемы и программное обеспечение. В аппаратном обеспечении обычно есть большое количество обычных кремниевых чипов, которые потребляют много энергии: например, на обучение одного современного коммерческого процессора нужно примерно 190 мегаватт-часов (МВтч) электроэнергии.
Менее энергоемкий подход — использовать другие виды оборудования для создания нейронных сетей. Одно из многообещающих устройств — это магнитный туннельный переход (MTJ). Устройства на MTJ потребляют в несколько раз меньше энергии, чем их традиционные аналоги. MTJ работают быстрее, так как хранят данные в том же месте, где выполняют вычисления.
Новая нейросеть как и обычные дегустаторы должна натренировать свой вкус. Команда обучила сеть, используя 148 вин, изготовленных из трех видов винограда. Каждое виртуальное вино имело 13 характеристик, которые необходимо было учитывать: градус алкоголя, цвет, щелочность и магний. Каждой характеристике было присвоено значение от 0 до 1, чтобы сеть учитывала его и отличала одно вино от другого.
Дальше ИИ прошло виртуальный тест с набором данных, который включал 30 неизвестных вин. Система работала с точностью 95,3%.
У авторов не было задачи создать ИИ-сомелье. Главный вывод — устройства MTJ можно расширить и использовать для создания новых систем ИИ.
Количество энергии, потребляемой системой, зависит от ее компонентов, но если использовать MTJ в качестве синапсов, то можно сократить потребление энергии вдвое.
