高层速读
关键信息：IBM将神经网络的关键部分直接构建在硅晶体中，使机器效率提高了100倍，而能量仅消耗了1%。该论文已在Nature上发表，但IBM仍需构建出一颗完整的芯片。
关键数据：IBM的这款神经网络芯片由5个晶体管和其他3个组件组成，在普通芯片上只有一个晶体管。
关键意义：以这种方式制造的芯片可能会在未来几年里加速机器学习的发展，让机器学习更有效率，同时更容易在智能手机等小型设备上进行部署，若能成功，将对英伟达造成巨大冲击。
神经网络是人工智能繁荣皇冠上的一颗明珠，他们狼吞虎咽地吃着数据，并输出结果，在语音和图像识别等方面，有着近乎完美的准确性。
但是，神经网络是按照人类大脑的结构来设计的，通常是用软件而不是硬件来构建的，而软件则运行在传统的计算机芯片上，也就是说，传统硬件的限制了神经网络的发展，让事情变慢了。
IBM的新发现证明，将神经网络的关键部分直接构建在硅晶体中，可以使其效率提高100倍，以这种方式制造的芯片可能会在未来几年里加速机器学习的发展。
IBM的新芯片，就像在软件中编写的神经网络一样，模拟了连接大脑中单个神经元的突触，这些突触连接的强度可以调整以使网络能够学习。
IBM的研究人员在已发表在Nature的论文中展示了这种人造突触——微电子突触，其中使用了两种类型的突触：短期神经突触和长期记忆突触。
美国国家标准与技术研究所的研究员施耐德说，这种方法“解决了一些关键问题”，其中最明显问题的是低准确度，这也一直困扰着之前在硅晶体上构建人工神经网络的研究员。
研究人员测试了用两个简单的图像识别任务来构建的神经网络：手写文字识别和彩色图像分类，他们发现这个系统和基于软件的深层神经网络一样精确，而只消耗了1%的能量。
这一发现不仅对人工智能很重要，如果它能扩展到商业生产，它可以证明IBM正在进行的一场押注的正确性，尽管该公司目前不出售电脑芯片，但它一直在投资于电脑硬件领域，希望新型微电子元件有助于为下一个重大进展提供动力。
这项新技术可能是第一步，让机器学习更有效率，同时更容易在智能手机等小型设备上进行部署。施耐德说：“在提高能源效率和提高全连接层的训练速度方面，100倍的能效似乎值得进一步努力。”
然而IBM芯片的设计相对笨拙，由5个晶体管和其他3个组件组成，在普通芯片上只有一个晶体管，IBM仍然需要构建和测试一个完整的芯片。
尽管如此，这项工作可能是一个重要的、具有生物学意义的步骤，也在朝着计算机的核心方向发展。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
