mg摆脱电子游戏:人工智能算法取得巨大的进步

在过去的几年里，人工智能算法取得了巨大的进步。它在我们日常生活中的应用越来越普遍。它经常被用来分析文字或图片的内容，理解语音命令，而且通常比人类更有效。2016年，算法在一场围棋比赛中击败了韩国世界冠军李世石，而10年前，没有任何专家能预见到这样的成就。然而，为了达到令人印象深刻的性能，这些算法需要消耗大量的能量，远远超过我们的大脑完成类似任务所需要的能量。例如，BERT是一个处理人类语言的人工智能算法，它的训练过程需要消耗数千千瓦时的电力。这相当于人类大脑消耗6年的能量。就能量消耗而言，大脑的记忆、计算和学习过程比计算机更有效。我们是否有可能从大脑中汲取灵感，制造出性能更好的设备?答案是肯定的，我们可以利用电子的自旋来做这个。

目前流行的人工智能是一种基于深度神经网络的算法，其设计灵感来自于大脑的结构。但为什么人类智能和人工智能的能量消耗差异如此之大?这是因为今天的人工智能程序仍然运行在经典计算机或类似的显卡上，它们的结构和工作原理与大脑的程序有很大的不同。为了解决高能耗的问题，许多研究机构和公司都在开发新的电子设备，希望使其工作原理完全模仿大脑。自旋电子学就是其中一种方法。这门学科研究如何发展和利用电子的某些量子特性。在自旋电子学开发的硬件的帮助下，我们或许能够模拟大脑中的神经元和连接它们的突触的行为。也许我们不能用自旋电子学在短期内开发出完整的解决方案并实现工业化，但一些早期的结果显示出了良好的前景。

对于实际应用中的计算机来说，为了提高能量利用效率和计算速度，最大的障碍来自于数据存储在内存中并且物理上独立于处理器这一基本事实。处理器是一种根据程序指令处理数据的设备。人工智能算法包含数百万甚至数十亿个参数。该算法在运行时，必须一直在内存中搜索数据，然后在处理器中对数据进行加法或乘法运算，最终得到结果。写入内存。这构成了一个数据流，通过通信线路不断地传输，它所消耗的能量是惊人的。