IBM希望研发新技术 提高人工智能的学习能力_计算机技术及应用

人工智能大 是否有能力帮助生命？

与人工智能的自然交流：微软帝国的新版图

腾讯数码讯：（王约翰）深度神经网络几乎可以学会任何东西，包括在我们自己的游戏里将我们打败。训练人工智能系统的最大问题就是会同时占用大量的超级计算机和数据中心。IBM公司T.J. Watson研究中心科学家认为通过“电阻式处理器”可以大幅降低功耗并能缩短学习时间。这种处于理论阶段的芯片结合了中央处理器和非易失性内存，可以成倍的提高数据处理速度，这就使它可以完成诸如“界各种语言之间进行自然语音识别和翻译”之类的复杂工作。

科学家们认为，可以使用常规的CMOS技术制造这种芯片，但目前RPU仍处于研发阶段，此外，一些相关的技术，比如电阻式内存还尚未实现商业化。尽管如此，制造包含本地内存的芯片是符合逻辑的，它能大大提高人工智能进行图像处理、语言学习和大规模数据分析的能力，要知道，专家所说的这些都是值得我们关注的。

人工智能和自动驾驶能愉快地玩耍吗？

那么为什么训练人工智能需要如此多的计算量和时间呢？原因是现在流行的神经网络，比如谷歌的DeepMind或者是IBM的Watson必须并行处理数十亿的工作任务，这就需要快速调用大量的处理器和内存来处理大量的数据。研究人员尝试使用新型的存储技术，电阻式内存可以永久存储数据，同时又拥有内存一样的速度。最终他们想到了这种叫做电阻式处理器 (RPU)的新型芯片，它可以把大量的电阻式内存直接整合到中央处理器中。

靠谱吗？微软打算用它来训练人工智能

他们的论文中写道，这种芯片能够快速的读取和处理数据，大大减少了神经网络训练时间和功耗，这种大规模并行构架的电阻式处理器与目前最先进的微处理器相比可以达到30000倍的加速系数，也就是说目前需要在大型数据中心用数千台计算机花费数日处理的训练数据，日后通过使用一台RPU加速器几个小时就能完成了。

电影里的人工智能离我们还有多远？