Исследователи Массачусетского технологического института (MIT) представили новую автоматизированную AI-систему для обучения и эксплуатации нейронных сетей, обеспечивающую более низкий уровень энергопотребления. Об этом сообщил портал MIT News, передает Trend со ссылкой на ТАСС.
"Основной целью нашей работы было сделать работу искусственных нейронных сетей (ANN, artificial neural network) более энергоэффективной. До сегодняшнего дня вычисления с помощью ANN требовали больших затрат электроэнергии и, как следствие, приводили к высокому уровню выбросов CO2. С помощью новых методов негативное воздействие на окружающую среду можно существенно снизить", - отметил руководитель проекта, доцент кафедры электро- и вычислительной техники MIT Сонг Хань.
Для решения задачи ученые предложили объединять отдельные нейросети, разработанные для решения узких задач, в единую систему, в рамках которой нужная ANN будет обучаться только тогда, когда в этом возникает необходимость для конкретной задачи. Это позволит значительно сократить энергию, необходимую для обучения нейросетей на больших массивах данных, например при подключении новых платформ, многие из которых работают с миллиардами IoT-устройств (так называемый интернет вещей - прим. ТАСС). Согласно оценкам исследователей, данный подход позволит не только сократить объем энергии, необходимой для обучения одной нейросети, примерно в 1,3 тыс. раз, но и повысить скорость обработки данных и обучения ANN.
Исследование было проведено с помощью вычислительного кластера Satori, который способен выполнять 2 квадриллиона вычислений в секунду и был подарен MIT компанией IBM. Доклад о результатах проекта будет представлен на следующей неделе в рамках ежегодной Международной конференции по обучению представлениям (ICLR).