Технології

Нейромережу навчили визначати градус і сорт вина з 95% точністю

Вчені з NIST розробили новий тип апаратного забезпечення для штучного інтелекту (ШІ), яке може споживати менше енергії і працювати швидше — і воно вже вміє віртуально дегустувати вина.

Image by 955169 from Pixabay

Вчені з програми NIST Hardware for AI та їхні колеги з Університету Мериленду створили свою нейронну мережу, яка працює з підвищеною ефективністю.

Як і у випадку з традиційними комп’ютерними системами, AI має фізичні апаратні схеми та програмне забезпечення. В апаратному забезпеченні зазвичай є велика кількість звичайних кремнієвих чіпів, які споживають багато енергії: наприклад, на навчання одного сучасного комерційного процесора потрібно приблизно 190 мегават-годин (Мвтг) електроенергії.

Менш енергоємний підхід – використовувати інші види обладнання для створення нейронних мереж. Одним з перспективних пристроїв є магнітний тунельний перехід (MTJ). Пристрої на MTJ споживають в кілька разів менше енергії, ніж їх традиційні аналоги. MTJ працюють швидше, позаяк зберігають дані в тому ж місці, де виконують обчислення.

Нова нейромережа як і звичайні дегустатори повинна натренувати свій смак. Команда навчила мережу, використовуючи 148 вин, виготовлених з трьох видів винограду. Кожне віртуальне вино мало 13 характеристик, які необхідно було враховувати: градус алкоголю, колір, лужність і магній. Кожній характеристиці було присвоєно значення від 0 до 1, щоб мережа враховувала його і відрізняла одне вино від іншого.

Далі ШІ пройшов віртуальний тест з набором даних, який включав 30 невідомих вин. Система працювала з точністю 95,3%. 

У авторів не було завдання створити ШІ-сомельє. Головний висновок – пристрої MTJ можна розширити і використовувати для створення нових систем ШІ.

Кількість енергії, споживаної системою, залежить від її компонентів, але якщо використовувати MTJ в якості синапсів, то можна скоротити споживання енергії вдвічі.


Підписуйтеся на нас в Гугл Новини, а також читайте в Телеграм і Фейсбук


Back to top button