受大脑启发的人工智能架构可实现更快计算且功耗大幅降低
摘要
一种受大脑启发的人工智能架构有望实现更快计算，同时功耗大幅降低，可能推动节能型AI硬件的发展。
暂无内容
相似文章
类脑硬件为AI系统带来更快、更低功耗的异常检测
一种新的类脑硬件设计借鉴神经形态计算原理，使AI系统能够更快、更节能地进行异常检测。
类脑光晶体管通过感知和存储数据，有望降低AI能耗
研究人员开发出一种类脑光晶体管，能够感知和存储数据，有望降低AI能耗。
基于认知科学的神经形态AI框架可更高效地完成任务
受认知科学启发的新型神经形态AI框架，其任务完成效率可能高于现有方法。
人脑运行仅需15瓦。实时模拟人脑则需要27亿瓦。以下是这一差距存在的原因以及当前的对策。
探讨人脑（15瓦）与AI硬件（实时模拟需数十亿瓦）之间巨大的能效差距，重点介绍旨在缩小这一差距的神经形态计算方案，如自旋忆阻器、相变材料和超级图灵AI。
提升AI智能体的速度与能效
麻省理工学院和微软的研究人员开发了一种智能系统，可自动优化智能体工作流，在保持性能的同时减少计算资源和能源消耗。