IBM的研究人員表示,，他們已經(jīng)設計出了一種編程方法,，可以實現(xiàn)更高的準確性，并降低能源消耗,。這項技術有望為依賴人工智能的移動設備,、無人機和機器人進行更復雜的編程,。

    人工智能系統(tǒng)通常采用程序來劃分內(nèi)存和處理單元。這種做法意味著在兩個路徑點之間傳輸數(shù)據(jù)要花費大量時間,。數(shù)據(jù)傳輸量大到足以產(chǎn)生昂貴的能源標簽,。

    《自然通訊》雜志本周報道稱，IBM設計了一種方法,，該方法依賴于相變內(nèi)存PCM,，能夠以更快,、更便宜的模式執(zhí)行代碼。這是一種隨機存取存儲器,，它包含可以在非晶和晶態(tài)之間快速變化的元素,，提供優(yōu)于更常用的閃存模塊的性能。它也被稱為P－RAM或PCM,。一些人將其稱為“完美的RAM”,，因為它具有非凡的性能。

    PCM依賴于硫族玻璃,，這種玻璃有一種獨特的能力,，可以在電流通過時改變其狀態(tài)。由惠普公司最先開發(fā)的相變技術的一個關鍵優(yōu)勢是,，存儲狀態(tài)不需要持續(xù)的電源來保持穩(wěn)定,。在PCM中添加數(shù)據(jù)不需要擦除周期，這是其他類型內(nèi)存存儲的典型特征,。此外,，由于代碼可以直接從內(nèi)存中執(zhí)行，而不是復制到RAM中,，因此PCM的運行速度更快,。

    在圖像和語音識別、游戲和機器人等領域,，依賴于深度神經(jīng)網(wǎng)絡的操作要求越來越高,，需要更高的效率。

    “IBM將PCM與人腦進行了比較,，并指出PCM“沒有單獨的存儲和計算數(shù)據(jù)的區(qū)域,，因此消耗的能量明顯更少”。PCM的一個缺點是由于讀和寫電導噪聲導致的計算誤差,。IBM通過在AI 培訓課程中引入這種噪音來解決該問題,。

    IBM的報告指出：“我們的假設是，在DNN訓練期間注入與設備噪聲相當?shù)脑肼晻岣吣Ｐ偷聂敯粜??！彼麄兊募僭O是正確的。他們的模型達到了93．7％的準確度,，IBM研究人員稱這是同類存儲器硬件所能達到的最高準確度,。

    IBM表示,，需要做更多的工作才能獲得更高的準確性,。他們正在使用小型卷積神經(jīng)網(wǎng)絡和生成對抗網(wǎng)絡進行研究，并且最近在神經(jīng)科學前沿報道了他們的進展,。在一個越來越多地向基于人工智能的技術過渡的時代,，包括物聯(lián)網(wǎng)電池驅(qū)動的設備和自動駕駛汽車,，這些技術將極大地受益于快速、低功率,、可靠準確的DNN推理引擎,。