MIT電子工程與計算科學(xué)研究生阿維謝克·碧斯沃斯(Avishek Biswas)是這個項目開發(fā)的領(lǐng)導(dǎo)者，他表示：“總體來說一般的處理器的運行模式是這樣的，在芯片的一些部分里安放了內(nèi)存，在進行計算的時候，它會在這些內(nèi)存中來回移動數(shù)據(jù)。由于機器學(xué)習(xí)算法需要大量的算力，因此在來回移動數(shù)據(jù)的時候會消耗大量的能源。但是其實這些算法所做的計算可以被簡化成一個種具體的操作，這種操作被稱為點積(dot product)。我們的想法是，我們是否可以將這個點積功能部署在內(nèi)存中，從而無需在不斷的移動這些數(shù)據(jù)?”
這個芯片會將結(jié)點的輸入值轉(zhuǎn)化為電壓，然后在進行儲存和進一步處理的時候，再將其轉(zhuǎn)換為數(shù)字形式。這種做法讓這塊芯片能夠在一個步驟中同時對16個結(jié)點的點積進行計算，而且無需在內(nèi)存和處理器之間移動數(shù)據(jù)。MIT News認為這種處理方法更加接近于人類大腦的工作方式。
碧斯沃斯將會在一篇論文中詳細闡述這塊芯片的工作方式，這篇論文將會在國際固態(tài)電路大會期間發(fā)表，和他一起撰寫論文的還有他的論文指導(dǎo)老師，MIT工程學(xué)院院長阿南莎·錢德拉卡珊(Anantha Chandrakasan)以及MIT電子工程與計算機科學(xué)教授范內(nèi)瓦·布什(Vannevar Bush)。
去年12月，SensibleVision公司CEO喬治·布羅斯托夫(George Brostoff)在曾經(jīng)在《生物學(xué)更新(Biometric Update)》發(fā)表了一篇客座文章，證明了定制化處理器有可能會給移動設(shè)備的安全識別功能帶來巨大的變革。那以后，F(xiàn)WDNXT也宣布他們將會開發(fā)使用深度神經(jīng)網(wǎng)絡(luò)進行圖像識別與歸類的低功耗處理器，此外ARM也宣布將會開發(fā)用于機器學(xué)習(xí)和物體識別的芯片。
京公網(wǎng)安備 11010502049343號