VIDEO PRESENTATION - SEMIFINAL C EU AND EUROPEAN CIVIL PROCEDURE - TEAM ALBANIA 2020
Chẳng mấy chốc, hầu hết các thiết bị điện tử trong nhà của bạn có thể được cấy ghép với trí thông minh nhân tạo cần biết, khi nào nên bật điều hòa, hoặc thậm chí là bạn sẽ thưởng thức món sinh tố buổi sáng như thế nào.
Tất cả những gì nó cần là một phần cứng đặc biệt để cho phép các thiết bị chạy mạng thần kinh - hoặc bản sao nhân tạo của bộ não con người - cục bộ.
Các mạng nơ-ron của nơ-ron thường được triển khai theo kiểu kỹ thuật số, '' '' '' '' '' '' '' '' '' '' ' Nghịch đảo. Nhưng cuối cùng, chúng tôi muốn thực hiện điều này trong phần cứng thực tế, thay vì luôn luôn chạy mô phỏng trên CPU hoặc GPU, cho các ứng dụng rộng hơn.
Biswas và các đồng nghiệp tại MIT đã làm được điều đó bằng cách phát triển một con chip có thể thực hiện các thuật toán học máy mà không cần phải cung cấp dữ liệu cho các siêu máy tính trong đám mây.
Trong một bài báo mà Biswas trình bày trong tuần này tại Hội nghị Mạch rắn Quốc tế ở San Francisco, ông đã giải thích cách ông phát triển một nguyên mẫu cho một con chip có thể tăng tốc độ tính toán học máy lên tới 700 phần trăm, trong khi giảm mức tiêu thụ năng lượng tới 93% đến 96 phần trăm. Ông cho biết một phiên bản cập nhật với khả năng tính toán nhiều hơn có thể sẵn sàng trong một vài năm.
Các mạng lưới thần kinh tốt nhất trong trò chơi được đặt bên trong các máy tính mạnh mẽ không giống như bất kỳ thứ gì mà hầu hết mọi người từng thấy. Các thiết bị như Amazon Echo, truyền dữ liệu tới các siêu máy tính này bằng cách sử dụng đám mây, mạng lưới thần kinh thực hiện các tính toán của nó và đầu ra được gửi trở lại thiết bị.
Quá trình này diễn ra chậm, gây ra rủi ro bảo mật và tạo ra lưu lượng băng thông, theo Biswas.
Anh ấy phụ thuộc vào đám mây tạo ra một vấn đề về độ trễ có thể ảnh hưởng đến một cái gì đó đòi hỏi phải đưa ra quyết định nhanh chóng, Điều thứ hai là nếu bạn có hàng tấn thiết bị cố gắng giao tiếp với đám mây thì lưu lượng sẽ rất cao để xử lý. Cuối cùng, bạn không muốn truyền trực tiếp thông tin nhạy cảm tiềm năng trực tiếp lên đám mây. Tất cả những điều này có thể được giải quyết bằng cách thực hiện tất cả những điều này tại địa phương.
Nếu anh ta và nhóm của mình có thể giúp biến thiết kế chip của họ thành một thiết bị thực tế, họ có thể giải quyết lưu lượng băng thông lớn mà Internet of Things yêu cầu. Hơn nữa, nó sẽ mang công nghệ mạng lưới thần kinh thường được dành riêng cho các nhà khoa học máy tính ngay trong nhà của người tiêu dùng.
Nghiên cứu này có thể cách mạng hóa những gì chúng ta hiện đang định nghĩa là các thiết bị thông minh của YouTube. Thực sự sẽ có một bộ não nhỏ bên trong máy xay sinh tố của bạn - điều đó có ý nghĩa gì với chúng ta như một loài, chúng ta sẽ phải tìm hiểu.