據(jù)MIT News報道，麻省理工學院(MIT)的研究人員開發(fā)出了一種可用于神經網(wǎng)絡計算的高性能芯片，該芯片的處理速度可達其他處理器的7倍之多，而所需的功耗卻比其他芯片少94-95%，未來這種芯片將有可能被使用在運行神經網(wǎng)絡的移動設備或是物聯(lián)網(wǎng)設備上。

MIT電子工程與計算科學研究生阿維謝克·碧斯沃斯(Avishek Biswas)是這個項目開發(fā)的領導者，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存，在進行計算的時候，它會在這些內存中來回移動數(shù)據(jù)。由于機器學習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)?”

這個芯片會將結點的輸入值轉化為電壓，然后在進行儲存和進一步處理的時候，再將其轉換為數(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個結點的點積進行計算，而且無需在內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老師，MIT工程學院院長阿南莎·錢德拉卡珊(Anantha Chandrakasan)以及MIT電子工程與計算機科學教授范內瓦·布什(Vannevar Bush)。

去年12月，SensibleVision公司CEO喬治·布羅斯托夫(George Brostoff)在曾經在《生物學更新(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)使用深度神經網(wǎng)絡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)用于機器學習和物體識別的芯片。