IBM新概念芯片可將AI訓(xùn)練速度提高30000倍

IBM 的幾位研究人員近日公布了一份論文，論文闡述了一種所謂的電阻式處理單元(Resistive Processing Unit，RPU)的新型芯片概念，據(jù)稱與傳統(tǒng) CPU 相比，這種芯片可以將深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度提高至原來的 30000 倍。

深度神經(jīng)網(wǎng)絡(luò)(DNN)是一種有多隱層的人工神經(jīng)網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)即可進(jìn)行有監(jiān)督訓(xùn)練，也可進(jìn)行無監(jiān)督訓(xùn)練，結(jié)果出來的就是能夠自行 “學(xué)習(xí)” 的機(jī)器學(xué)習(xí)(或者叫人工智能)，也即所謂的深度學(xué)習(xí)。

前不久 Google(Alphabet) DeepMind 在人機(jī)大戰(zhàn)中擊敗李世石的 AI 圍棋程序 AlphaGo 就采用了類似算法。AlphaGo 由一個(gè)搜索樹算法和兩個(gè)有數(shù)百萬類神經(jīng)元連接的多層深度神經(jīng)網(wǎng)絡(luò)組成。其中一個(gè)網(wǎng)絡(luò)叫做 “策略網(wǎng)絡(luò)”，用于計(jì)算走哪一步的勝率最高，另一個(gè)網(wǎng)絡(luò)叫做 “價(jià)值網(wǎng)絡(luò)”，用于告訴 AlphaGo 怎么移動(dòng)對(duì)白子和黑子都更好，這樣就可以降低可能性的深度。

由于前景看好，許多機(jī)器學(xué)習(xí)研究人員都已經(jīng)把焦點(diǎn)集中到深度神經(jīng)網(wǎng)絡(luò)上面。但是，為了達(dá)到一定程度的智能，這些網(wǎng)絡(luò)需要非常多的計(jì)算芯片，比如 AlphaGo 使用的計(jì)算芯片數(shù)量就達(dá)到了幾千個(gè)。所以這是一項(xiàng)很耗計(jì)算資源、同時(shí)也很燒錢的任務(wù)。不過現(xiàn)在 IBM 的研究人員提出了一種新的芯片概念，其強(qiáng)大的計(jì)算能力可以一個(gè)就頂傳統(tǒng)芯片的幾千，而如果將成千上萬個(gè)這種芯片組合起來的話，未來 AI 的能力也許就會(huì)出現(xiàn)更多的突破。

這種名為 RPU 的芯片主要利用了深度學(xué)習(xí)等算法的兩個(gè)特點(diǎn)：本地性以及并行性。為此 ROU 借助了下一代非易失性內(nèi)存(NVM)技術(shù)的概念，把算法用到的權(quán)重值存儲(chǔ)在本地，從而把訓(xùn)練過程中的數(shù)據(jù)移動(dòng)最小化。研究人員稱，如果把這種 RPU 大規(guī)模應(yīng)用到有 10 億多個(gè)權(quán)重的深度神經(jīng)網(wǎng)絡(luò)，則訓(xùn)練速度最高可以加速 30000 倍，也就是說平時(shí)需要幾千臺(tái)機(jī)器訓(xùn)練幾天才能出的結(jié)果用這種芯片幾個(gè)小時(shí)就可以搞定，而且能效還要低得多。

當(dāng)然，論文只是提出了一種概念，這種芯片目前還處在研究階段，同時(shí)鑒于普通非易失性內(nèi)存尚未進(jìn)入主流市場(chǎng)，所以這樣的芯片上市估計(jì)還需要幾年的時(shí)間。不過如果這種芯片的確有那么大的計(jì)算和能效優(yōu)勢(shì)的話，相信 Google、Facebook 等從事 AI 研究和應(yīng)用的巨頭一定會(huì)關(guān)注的，而 IBM 本身也是 AI、大數(shù)據(jù)的積極參與者之一，東西要是做出來市場(chǎng)是應(yīng)該不用發(fā)愁的。