WPS
活动+
 

利用存储器解决方案使神经网络智能进化

我们的大脑每天都会进行数千次极度复杂的运行,无论是提醒我们远离热炉,还是识别文件中的数字和字母,自主神经系统都能比任何现有的计算机系统更有效率地管理复杂的功能。计算机系统可能永远无法达到人脑水平的功能,但神经网络的出现正使差距缩小。透过模仿神经元的联机,神经网络可以达到新的人工智能水平。

神经网络模仿人类神经元群

若要让神经网络像人脑一样运行,必须快速分析环境并辨识脉络线索以便采取行动。试想要让机器人做人类消防员所做的事有多么困难,在紧急情况下扑灭火灾或清除瓦砾堆,同时与第一线应变人员互动。再想象一下机器人开门、关闭气阀和使用灭火器的样子。要像人类一样轻松执行这些任务似乎几乎是不可能的事,或者至少非常复杂,但神经网络技术能让不可能变成可能。

若要让机器执行这些类型的操作,它们必须经过训练和编程以接收资料,并以从一个决策算法进入下一个算法的方式来处理资料,直到得出结论。这些决策算法串行称为输入层,输入层的集合构成神经网络,恰好以构成人脑的神经元命名。神经网络受大脑中常见的群聚神经元结构驱使,这些结构以连串层的形式运行,解读环境刺激。

为了让机器人流程更接近人脑表现,研究人员正在深入研究大脑,测绘神经元并设法改善计算机化神经网络以完成复杂的任务。

在大脑中,启动的电讯号会通过多个特征侦测层,每次整理讯息以启动正确的神经元做出反应。这让我们能够辨识实体世界的形状、模式和特征,并做出对应的反应。此过程只需要几毫秒的时间—辨识几乎是瞬间发生的。

将其与计算机化神经网络的运行方式比较。神经网络从摄影机、雷达、光达、陀螺仪、加速计等电适配器接收感知资料,并透过自身的输入层(一连串的编码算法,用于模仿人类神经功能)加以过滤。搜集的资料会被分类和调整,并在通过各个神经层时透过一连串的决策算法传送结果。到达输出层后,就会做出模仿人类反应和行动方案的最终决定。

微小决定和感知资料整理在计算机化神经网络中发生的速度接近人脑执行特定任务的速度。较复杂的决定需要脉络线索和细腻度,神经网络仍难以处理;人类必然胜出。资料在神经网络中移动的速度越快,决策层就变得越复杂;神经网络在未来离达到人脑功能的效率也越接近。

记忆让神经网络自行做出决定

速度的提升有赖于资料储存以及透过超高带宽存取资料的能力,以便让AI算法加以分类。此过程需要高速存储器(例如Micron的GDDR6技术),以协助计算机化神经网络尽快做出决定。

Micron的云端区隔客户专案经理Gregg Wolf专门研究存储器如何让快速神经网络成为可能,他认为神经网络具有长久影响,所以看好其未来。Wolff神经网络领域,AI神经网络革命就好比是电力问世时的世纪交接。如同电力,AI将彻底改变某些产业处理和使用信息的方式。神经网络的决策算法需要密集的数学程序和资料分析,两者都使对于更快的存储器和存储器储存空间的需求提高。

这在超大规模资料中心的云端格外重要,Micron GDDR装置在以GPU为基础的巨量资料处理中扮演关键角色;而Micron的DRAM和SSD产品组合可加快整个资料流的速度。

Wolff表示:「大量的资料在资料中心中流动,人类很难定义所有功能及所有程序码并来回传递所有资料。许多信息可透过神经网络和具有高效能硬件的可扩充神经网络流动,让人们尽可能以接近实时的方式从信息中撷取价值。」

神经网络可以从摄影机读取大量的资料点并准确记录机器人必须执行清理工作的位置,就像大脑读取身体发出的许多讯号一样,例如识别手所发出,表示烤箱很烫的讯号。

GDDR5和GDDR6将神经网络带入新的境界

如果想要加快大脑速度,必须加强记忆唤回—有无数的应用程序、数独练习本及其它工具供想要提高反应速度的人选择。同样地,神经网络能力也会随著处理效能而改变。Micron突破效能极限,不断开发越来越快的DRAM、NAND快闪存储器和GDDR装置。GDDR5和GDDR6是用于神经网络的GPU架构显卡的首选技术。

GDDR6将效能提升至更高水平,存储器带宽最高可达GDDR5的两倍。从2018年6月开始,这款效率超高的强大存储器已进入大量生产以用于高效能应用。

Wolff表示:「随著时间过去,每个人都会尝试找出合适的硬件足迹,而存储器是此过程中非常重要的一部分,Micron致力寻找附加价值解决方案,以满足神经网络训练和推论部署的超高带宽需求。」

未来将以神经网络为主;随著计算机开始变得更接近人类,它们将以高速和高效率构成我们生活的基础智能结构。同时,Micron将推动这场革命,让这些网络变得更好,例如模仿第一线应变人员的技能,识别地上的瓦砾或建筑物中的火灾。当我们将计算机系统的能力提升至新的高度并突破创新界限,这些进步是人脑的强大能力和设计的结果。