DUAL membawa AI ke level selanjutnya
Computer

DUAL membawa AI ke level selanjutnya


Tinjauan perangkat lunak dan perangkat keras DUAL berdasarkan Hyperdimensional Computing. Kredit: Simposium Internasional IEEE / ACM tentang Mikroarsitektur 2020

Para ilmuwan di DGIST di Korea, dan UC Irvine dan UC San Diego di AS, telah mengembangkan arsitektur komputer yang memproses algoritme pembelajaran mesin tanpa pengawasan lebih cepat, sambil mengonsumsi energi yang jauh lebih sedikit daripada unit pemrosesan grafis canggih. Kuncinya adalah memproses data yang disimpan di memori komputer dan dalam format serba digital. Para peneliti mempresentasikan arsitektur baru, yang disebut DUAL, pada Simposium Internasional Mikroarsitektur IEEE / ACM ke-53 tahun 2020.

“Aplikasi komputer saat ini menghasilkan sejumlah besar data yang perlu diproses oleh algoritme pembelajaran mesin,” kata Yeseong Kim dari Institut Sains dan Teknologi Daegu Gyeongbuk (DGIST), yang memimpin upaya tersebut.

Pembelajaran mesin “tanpa pengawasan” yang andal melibatkan pelatihan algoritme untuk mengenali pola dalam kumpulan data besar tanpa memberikan contoh berlabel untuk perbandingan. Salah satu pendekatan yang populer adalah algoritma pengelompokan, yang mengelompokkan data serupa ke dalam kelas yang berbeda. Algoritme ini digunakan untuk berbagai macam analisis data, seperti mengidentifikasi berita palsu di media sosial, memfilter email spam, dan mendeteksi aktivitas kriminal atau penipuan online.

Para ilmuwan telah mempelajari pendekatan pemrosesan dalam memori (PIM) untuk masalah ini. Tetapi kebanyakan arsitektur PIM berbasis analog dan memerlukan konverter analog-ke-digital dan digital-ke-analog, yang menghabiskan banyak daya dan area chip komputer. Mereka juga bekerja lebih baik dengan pembelajaran mesin yang diawasi, yang mencakup kumpulan data berlabel untuk melatih algoritme.

Untuk mengatasi masalah tersebut, Yeseong Kim dari Institut Sains dan Teknologi Daegu Gyeongbuk (DGIST) dan rekan-rekannya mengembangkan DUAL, singkatan dari percepatan pembelajaran tanpa pengawasan berbasis digital. DUAL memungkinkan komputasi pada data digital yang disimpan di dalam memori komputer. Ia bekerja dengan memetakan semua titik data ke dalam ruang berdimensi tinggi; bayangkan titik data yang disimpan di banyak lokasi di dalam otak manusia.

“Aplikasi komputer saat ini menghasilkan sejumlah besar data yang perlu diproses oleh algoritme pembelajaran mesin,” kata Kim. “Namun menjalankan algoritme pengelompokan pada inti tradisional menghasilkan konsumsi energi yang tinggi dan pemrosesan yang lambat, karena sejumlah besar data perlu dipindahkan dari memori komputer ke unit pemrosesannya, tempat tugas pembelajaran mesin dilakukan.”

Para ilmuwan menemukan bahwa DUAL secara efisien mempercepat banyak algoritme pengelompokan, menggunakan berbagai kumpulan data skala besar, dan secara signifikan meningkatkan efisiensi energi dibandingkan dengan unit pemrosesan grafis yang canggih. Para peneliti percaya ini adalah arsitektur PIM berbasis digital pertama yang dapat mempercepat pembelajaran mesin tanpa pengawasan.

“Pendekatan penelitian komputasi dalam memori yang canggih berfokus pada percepatan algoritme pembelajaran yang diawasi melalui jaringan saraf tiruan, yang meningkatkan biaya desain chip dan mungkin tidak menjamin kualitas pembelajaran yang memadai,” kata Kim. “Kami menunjukkan bahwa menggabungkan komputasi hyper-dimensional dan dalam memori dapat secara signifikan meningkatkan efisiensi sambil memberikan akurasi yang memadai.”


Mengembangkan kecerdasan mesin yang lebih cerdas dan lebih cepat dengan cahaya


Informasi lebih lanjut:
Mohsen Imani et al, DUAL: Acceleration of Clustering Algorithms using Digital-based Processing In-Memory, Simposium Internasional IEEE / ACM Tahunan ke-53 2020 tentang Mikroarsitektur (MICRO) (2020). DOI: 10.1109 / micro50266.2020.00039

Disediakan oleh DGIST (Institut Sains dan Teknologi Daegu Gyeongbuk)

Kutipan: DUAL membawa AI ke level berikutnya (2021, 4 Januari) diakses 4 Januari 2021 dari https://techxplore.com/news/2021-01-dual-ai.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.




Halaman Ini Di Persembahkan Oleh : Pengeluaran HK