人工智能系統（如語音識別或人臉識別程序）的最新進展得益于神經網絡。但是神經網絡很大，而且計算耗能很高，所以對于手持設備來說它們不太實用。

?

據美國華人網消息，現在，麻省理工學院的研究人員開發了一種專用芯片，將神經網絡計算的速度提高了三倍至七倍，同時將功耗降低了94％至95％。這可能使在智能手機上本地運行神經網絡或將其嵌入家用電器中變得切實可行。

?

機器學習算法需要進行許多的計算，所以這種數據傳輸是能耗的主要部分，但這些算法的計算可以簡化為一種特定的操作，稱為點積。是否可以在內存中實現這種點積產品功能，以便不需要來回傳輸這些數據。

?

據美國華人網專業人士介紹，在這種芯片中，節點的輸入值被轉換成電壓，然后乘以適當的權重。組合電壓被轉換回數字表示并存儲，用于進一步處理。

? ? ? ?

因此，該芯片可以在一個步驟中計算多個節點的點積——在原型中每次16個——而不是在每個計算的處理器和存儲器之間穿梭。

? ? ? ? ??

系統的關鍵之一是所有權重都是1或-1。這意味著它們可以作為簡單的開關在存儲器內實現，這些開關既可以關閉電路，也可以將其打開。最近的理論工作表明，只有兩個權重訓練的神經網絡應該失去一點精度——大約在1％和2％之間。

?

研究人員的研究結果證明了這一點。在實驗中，他們在傳統計算機上運行神經網絡，并在芯片上運行二進制重量等價物。他們的芯片結果一般在傳統網絡的2％到3％之內。