Dette er en illustration af von-Neumann-flaskehalsen. Hyppige frem og tilbage dataoverførsler mellem processoren og hukommelsesenhederne medfører et stort energiforbrug og begrænser gennemløbet. 'In-memory computing' gør det muligt at udføre beregninger på de data, de gemmer i, hvorved antallet af unødvendige overførsler af data til processoren reduceres. Kredit:Purdue University
Mange interne komponenter, der bruges i nutidens computere, når temperaturer, der er varme nok til at tilberede et Thanksgiving-måltid. Varmen produceret af beregningerne kan nemt brænde menneskelig hud og væv – og meget af varmen er simpelthen spildt energi, et biprodukt af computerens interne funktioner.
Nu, Purdue University-forskere arbejder på mere energieffektiv teknologi for bedre at efterligne den menneskelige hjernes funktioner og kun producere en brøkdel af varmen.
"Den menneskelige hjerne er en fantastisk effektiv maskine, der faktisk udfører meget af computerarbejdet i hukommelsen, " sagde Kaushik Roy, Purdues Edward G. Tiedemann Jr. Distinguished Professor of Electrical and Computer Engineering. "Purdue arbejder sammen med andre førende forskningsorganisationer for at udvikle enheder og algoritmer, der fungerer som den menneskelige hjerne og reducerer energiforbruget ved at beregne i selve hukommelsen."
Purdue-forskerne er ved at udvikle kunstig intelligens-algoritmer, der kan bruges med nuværende computerapplikationer, men forbruger mindre energi. Forskere ved Purdues Center for Hjerneinspireret Computing Enabling Autonomous Intelligence studerer og udvikler algoritmer, der kan tillade personlige robotter, selvkørende biler og droner til at fortolke deres omgivelser og derefter træffe beslutninger baseret på, hvad de opfatter.
Dette billede viser et spiking neuralt netværk, der kan konvertere en lydinput til et håndskrevet ciffer ved kun at bruge spikes til at kommunikere mellem lag. Kredit:Purdue University
"Hjernen beregner gennem en tæt forbindelse af neuroner og synapser ved hjælp af integreret hukommelse og computerenheder, i modsætning til von-Neumann-computere, der er udbredt i alle moderne computere, " sagde Roy, der leder C-BRIC. "Søger inspiration fra hjernen, vi opfinder kredsløbsteknikker til at udføre beregninger i selve hukommelsen, fører til energieffektiv implementering af algoritmer."
Purdue-algoritmerne bruger hjernelignende netværk, kaldet spiking neurale netværk, at konvertere stemme- og billedinput til en fælles speciel repræsentation af spidsmønstre, ligner hjernen. Brug af speciel kodning og afkodning, stemmeinput kan bruges til at genkalde billederne.
Roy sagde, at denne nuværende AI-forskning har applikationer til personlige robotter, droner, smarte køretøjer og andre enheder, der allerede udfører funktioner, der ligner hjerneberegninger.