От монолитных систем к гетерогенным архитектурам, вычислениям в памяти и 3D-интеграции — так меняются технологии для ИИ. Как принципы теории решения изобретательских задач (ТРИЗ) позволяют не только объяснять эти тренды, но и находить новые решения для развития нейросетевых систем, — в материале.
В настоящем и обозримом будущем развитие искусственного интеллекта представлено двумя основными направлениями: классические нейросети, построенные на формальной модели нейрона, и активно развивающиеся нейроморфные вычисления. Классические сети частично служат отправной точкой для нейроморфных: часть механизмов заимствуется, часть реализуется принципиально новыми подходами.
Для достижения передовых характеристик разработчики следуют принципу бритвы Оккама — выбирают наиболее простое решение, удовлетворяющее требованиям по функционалу, точности и надежности. Однако «простое» в данном случае не значит «универсальное»: сложность аппаратно-программного решения требует совместной оптимизации структуры сети, представления данных, вычислительного графа и целевой аппаратной платформы. Рассмотрим часть таких решений на основе Международной дорожной карты развития устройств и систем (IRDS) и современных высокорейтинговых научных статей и сопоставим их с теорией решения изобретательских задач (ТРИЗ).
Достижения и перспективы развития отечественного нейроморфного процессора «Алтай» и платформы нейроморфного машинного обучения Kaspersky Neuromorphic Platform традиционно рассматриваются и обсуждаются в докладах секции № 10 форума «Микроэлектроника» «Нейроморфные вычисления. Искусственный интеллект».
Источник: hi-tech.mail.ru