نقش شبکه‌های عصبی کم‌مصرف در بهبود عملکرد هوش مصنوعی
به گزارش سیناپرس به نقل از مجله شبکه، سامانه‌هایی که در کاربردهایی نظیر خودران‌ها، تشخیص گفتار، بینایی کامپیوتری و ترجمه خودکار به کار می‌روند. اما شبکه‌های عصبی حافظه و توان زیادی مصرف می‌کنند و به همین دلیل معمولاً روی سرورهایی در کلاود اجرا می‌شوند، به طوری که داده‌ها را از کامپیوترهای رومیزی یا دستگاه‌های همراه نظیر گوشی‌های هوشمند دریافت و نتیجه پردازش را برای آن‌ها ارسال می‌کنند.
سال گذشته، ویویان زی دانشیار مهندسی برق و علوم کامپیوتر دانشگاه ام‌آی‌تی و همکارانش از تراشه کامپیوتری کم‌مصرفی رونمایی کردند که برای شبکه‌های عصبی بهینه‌سازی شده بود و امکان پیاده‌سازی محلی سامانه‌های هوش مصنوعی قدرتمندی را فراهم می‌کرد که روی دستگاه‌های موبایل اجرا می‌شدند. حال او و همکارانش سعی کرده‌اند به این موضوع از جهت دیگری بپردازند و شبکه‌های عصبی با مصرف توان کمتر را طراحی کنند. آن‌ها در ابتدا با روش‌های تحلیلی سعی کردند مشخص کنند یک شبکه عصبی وقتی روی یک سخت‌افزار نوعی اجرا می‌شود، چقدر توان مصرف خواهد کرد. سپس آن‌ها از این یافته‌ها برای ساده‌سازی شبکه‌های عصبی استفاده کردند، به گونه‌ای که روی دستگاه‌های همراه دستی بهینه‌تر اجرا شوند. آن‌ها در این تحقیق کاهش 73 درصدی را در مصرف توان یک پیاده‌سازی استاندارد شبکه عصبی و کاهش 43 درصدی مصرف توان نسبت به روش بهینه‌سازی شبکه‌های عصبی که پیش از این استفاده کرده بودند مشاهده کردند. ابزاری که آن‌ها طراحی کردند، میزان مصرف توان یک شبکه عصبی را بر اساس معماری شبکه و مقادیر وزن‌های آن محاسبه می‌کند. بعد از اینکه مشخص شد انرژی چطور مصرف می‌شود، از نتایج این بررسی برای طراحی شبکه عصبی با مصرف بهینه انرژی استفاده کردند.
