人類(lèi)歷史上，第一個(gè)可編程憶阻器計(jì)算機(jī)誕生，不再需要將語(yǔ)音命令發(fā)送到云端進(jìn)行解釋?zhuān)苯釉?a target="_blank">智能手機(jī)上通過(guò)AI處理器完成，極大的加快響應(yīng)時(shí)間。在一些更加注重私密性的場(chǎng)景比如醫(yī)療設(shè)備中，具有更好的安全性和隱私性。

你有沒(méi)有想過(guò)，智能手機(jī)將來(lái)也有可能直接處理復(fù)雜的人工智能任務(wù)？關(guān)鍵在它：人類(lèi)歷史上，第一個(gè)可編程憶阻器計(jì)算機(jī)。

不僅僅是通過(guò)外部計(jì)算機(jī)操作的憶阻器陣列，密歇根大學(xué)開(kāi)發(fā)的這個(gè)可編程憶阻器計(jì)算機(jī)，可以直接在小型、能量受限的設(shè)備（如智能手機(jī)和傳感器）上處理人工智能任務(wù)。

也就是說(shuō)，在未來(lái)，不再需要將語(yǔ)音命令發(fā)送到云端進(jìn)行解釋?zhuān)苯釉谥悄苁謾C(jī)上通過(guò)AI處理器完成，極大的加快響應(yīng)時(shí)間。在一些更加注重私密性的場(chǎng)景比如醫(yī)療設(shè)備中，能夠?qū)崿F(xiàn)更好的安全性和隱私性。

人工智能強(qiáng)大的算力帶來(lái)的負(fù)面影響之一就是巨額的能耗。每個(gè)人都希望在智能手機(jī)上安裝AI處理器，但你肯定不希望手機(jī)一天充電12次。

為什么憶阻器有利于機(jī)器學(xué)習(xí)

這里提到的憶阻器的高級(jí)計(jì)算機(jī)組件，是具有存儲(chǔ)器、可變電阻的電阻器，可用作信息存儲(chǔ)。

由于憶阻器在同一位置存儲(chǔ)和處理信息，因此它們可以解決掉計(jì)算速度及功耗的殺手——內(nèi)存和處理器之間的連接。

這對(duì)于處理大量數(shù)據(jù)的機(jī)器學(xué)習(xí)算法尤其重要，例如識(shí)別照片和視頻中的對(duì)象，或預(yù)測(cè)哪些醫(yī)院患者具有較高的感染風(fēng)險(xiǎn)。

如今，程序員已經(jīng)習(xí)慣于在圖形處理單元（GPU）而不是CPU上運(yùn)行這些算法。

“就功率和吞吐量而言，GPU、定制的優(yōu)化數(shù)字電路被認(rèn)為比CPU好10到100倍。”Lu說(shuō)。“憶阻器AI處理器可能會(huì)再好上10到100倍。”

GPU在機(jī)器學(xué)習(xí)任務(wù)中表現(xiàn)優(yōu)秀，因?yàn)樗鼈冇袛?shù)千個(gè)小核心可以同時(shí)運(yùn)行計(jì)算。憶阻器陣列則更進(jìn)一步，每個(gè)憶阻器都能夠獨(dú)立進(jìn)行計(jì)算，一個(gè)內(nèi)核里可以一次性執(zhí)行數(shù)千次操作。

本次用于實(shí)驗(yàn)的計(jì)算機(jī)擁有超過(guò)5800個(gè)憶阻器。而用于商業(yè)的話，可能包括數(shù)百萬(wàn)個(gè)。

憶阻器陣列特別適合解決機(jī)器學(xué)習(xí)任務(wù)，這是因?yàn)闄C(jī)器學(xué)習(xí)算法將數(shù)據(jù)轉(zhuǎn)換為向量。例如，預(yù)測(cè)患者在醫(yī)院的感染風(fēng)險(xiǎn)時(shí)，該向量可以將存在感染風(fēng)險(xiǎn)的因素以數(shù)字表示列出。

然后，機(jī)器學(xué)習(xí)算法將這些“輸入”向量，與在存儲(chǔ)器中的“特征”向量進(jìn)行比較。如果匹配，則系統(tǒng)知道輸入數(shù)據(jù)具有該特征。向量存儲(chǔ)在矩陣中，類(lèi)似于數(shù)學(xué)電子表格，這些矩陣可以直接映射到憶阻器陣列上。

更重要的是，當(dāng)數(shù)據(jù)通過(guò)陣列反饋時(shí)，大部分?jǐn)?shù)學(xué)處理通過(guò)憶阻器中的自然電阻發(fā)生，消除了將特征向量移入和移出存儲(chǔ)器而導(dǎo)致的額外計(jì)算。這使得陣列在復(fù)雜的矩陣計(jì)算中非常高效。

早期的研究證明了憶阻器陣列有可能加速機(jī)器學(xué)習(xí)，但它們需要外部計(jì)算元件才能運(yùn)行。

構(gòu)建可編程憶阻器計(jì)算機(jī)

為了構(gòu)建第一臺(tái)可編程憶阻器計(jì)算機(jī)，Lu的團(tuán)隊(duì)與U-M的電子和計(jì)算機(jī)工程副教授Zhengya Zhang和Michael Flynn教授一起設(shè)計(jì)了一個(gè)芯片，可以將憶阻器陣列與編程和運(yùn)行所需的所有其他元件集成在一起。

這些組件包括傳統(tǒng)的數(shù)字處理器和通信通道，以及數(shù)字/模擬轉(zhuǎn)換器，用作模擬憶阻器陣列和計(jì)算機(jī)其余部分之間的解釋器。

然后，Lu的團(tuán)隊(duì)將憶阻器陣列直接集成在U-M的Lurie Nanofabrication Facility的芯片上。他們還開(kāi)發(fā)了將機(jī)器學(xué)習(xí)算法映射到憶阻器陣列的矩陣結(jié)構(gòu)上的軟件。

該團(tuán)隊(duì)使用三種基本機(jī)器學(xué)習(xí)算法演示了該設(shè)備：

感知機(jī)（Perceptron），用于對(duì)信息進(jìn)行分類(lèi)。能夠100％準(zhǔn)確地識(shí)別出不完美的希臘字母

稀疏編碼，壓縮并分類(lèi)數(shù)據(jù)，特別是圖像。計(jì)算機(jī)能夠找到最有效的方法來(lái)重建一組圖像，并以100％的準(zhǔn)確度識(shí)別出其模式

雙層神經(jīng)網(wǎng)絡(luò)，旨在尋找復(fù)雜數(shù)據(jù)中的模式。這個(gè)雙層網(wǎng)絡(luò)在乳腺癌篩查數(shù)據(jù)中找到了共性和差異因素，然后將每個(gè)病例分類(lèi)為惡性或良性，準(zhǔn)確率為94.6％

擴(kuò)展商業(yè)用途存在挑戰(zhàn)。但Lu計(jì)劃將這項(xiàng)技術(shù)商業(yè)化。該研究的標(biāo)題是“完全集成的可重編程憶阻器-CMOS系統(tǒng)，用于高效的乘法累加運(yùn)算。”