Intel laat AI kruipen waar het niet gaan kan

De chiparchitectuur die daarin wordt gebruikt leent zich echter niet zo voor de verwerking van neurale netwerken. Intel komt nu met resultaten van onderzoek dat mogelijk een oplossing vormt voor dat dilemma.

Om aan de beperkingen van de energiezuinige chips in IoT-apparatuur tegemoet te komen zoeken de ontwikkelaars van toepassingen van kunstmatige intelligentie hun heil nu vaak in analoge binaire neurale netwerken. Die eisen niet zo veel van de hardware als reguliere AI-algoritmen wat betreft rekenkracht en opslag. Het nadeel is echter dat ze ook een stuk onbetrouwbaarder zijn vanwege hun analoge karakter dat gevoelig is voor variabiliteit en ruis.

Tijdens de 2020 Symposia on VLSI Technology and Circuits deze week, voor het eerst in de vorm van een virtuele conferentie, presenteerde Intel een voorstel voor een chip die deze binaire neurale netwerken (BNN's) digitaal kan verwerken met een aanzienlijk hogere snelheid dan in eerder pogingen. De 10 nm-chip haalt een verwerkingssnelheid die tot wel 135 keer hoger ligt en tegelijk een factor 2,7 zuiniger omspringt met energie.

Doordat de chip geen analoge componenten bevat, is er in vergelijking veel meer ruimte voor geheugenfuncties.