Výpočtová účinnosť umelej inteligencie je ako dvojsečný meč. Na jednej strane sa musí učiť pomerne rýchlo, ale čím viac sa neurónová sieť „zrýchľuje“, tým viac spotrebúva energiu. To znamená, že sa môže stať jednoducho nerentabilným. Východiskom zo situácie však môže byť spoločnosť IBM, ktorá preukázala nové metódy výučby umelej inteligencie, ktorá jej umožní učiť sa niekoľkokrát rýchlejšie pri rovnakej úrovni nákladov na zdroje a energiu.
Na dosiahnutie týchto výsledkov musela IBM opustiť výpočtové metódy pomocou 32-bitových a 16-bitových techník, vyvinúť 8-bitovú techniku, ako aj nový čip, ktorý s ňou bude pracovať.
Celý vývoj IBM bol predstavený na NeurIPS 2018 v Montreale. Inžinieri spoločnosti hovorili o dvoch vývojoch. Prvý sa nazýva „hlboké strojové učenie neurónových sietí pomocou 8-bitových čísel s pohyblivou rádovou čiarkou“. V nich popisujú, ako sa im takým spôsobom podarilo znížiť aritmetickú presnosť z 32-bit na 16-bit a uložiť ju na 8-bitový model. Odborníci tvrdia, že ich technika urýchľuje tréningový čas hlbokých neurónových sietí 2-4 krát v porovnaní so 16-bitovými systémami. Druhým vývojom je „8-bitové násobenie v pamäti s projektovanou pamäťou fázového prechodu“. Odborníci tu predstavujú metódu, ktorá kompenzuje nízku presnosť analógových čipov AI a umožňuje im tak spotrebovať 33-krát menej energie ako porovnateľné digitálne systémy AI.
Vladimír Kuzněcov