大阪大学的研究人员制造了一种用户可以定制的新设备，以最大限度地提高人工智能应用的效率。
与目前的可重写硬件相比，该计算设备采用现场可编程门阵列(FPGA)构建，可将电路密度提高12倍。它还可以降低高达80%的能耗。据信，这些进步可能会带来更灵活的人工智能解决方案，从而提高性能并降低能耗。
为什么需要效率？
人工智能正在迅速对我们的世界产生更大的影响。随着5G和物联网的出现，以及人们认为5G的后续第六代移动网络(6G)几乎完全由AI支撑，开发不仅能跟上潮流的计算解决方案的需求越来越大。技术，但也适用于不同的AI应用和流程。这样，这项研究将有助于解决当今最紧迫的问题之一——气候紧急情况(或者愤世嫉俗者的气候变化)。
训练人工智能是一个耗费大量精力的密集过程。最近的估计表明，训练一个人工智能可以使用多达284吨的二氧化碳——是普通汽车一生排放量的五倍。
这并不是说训练有素的AI的例子很少。它们无处不在。谷歌翻译、OpenAI的GPT-2文本生成器、优步这样的拼车应用、垃圾邮件过滤器以及Nest和Ring这样的智能家居设备都严重依赖AI和深度学习。尽管像亚马逊这样的公司投资风力和太阳能农场，谷歌与可再生能源供应商的长期协议是朝着正确方向迈出的一步，但这远远不够。
优化计算机电路，实现高效的人工智能处理
因此，复杂的算法需要大量的计算能力。这意味着更高的能源消耗，因此更大的碳足迹。然而，如果我们能够为每个给定的人工智能任务重新连接系统，以优化计算机电路，我们将实现更高水平的能效。
尽管外行用户可能将“电路”视为处理器中固定的物理晶体管和逻辑门(固定的)，但FPGA是一种专用的逻辑元件，可以实时(或“现场”)重新布线，因此“现场定制并由用户动态应用”。这正是大阪研究人员所做的。
研究团队使用非易失性“通孔开关”，在操作员决定重新配置之前，这些开关保持连接。通过使用一种新颖的纳米制造方法，该团队可以将12倍多的组件封装成网格状的“交叉杆”布局，从而缩短电子信号必须行进的距离，从而将功耗降低高达80%。
本文的主要作者桥本正典说：“我们基于现场可编程门阵列的系统设计周期非常快。如果有必要，它可以每天重新编程，以最大限度地提高每个新的人工智能应用程序的计算能力。”
通过使用通孔开关，研究团队不需要包括其他FPGA器件所需的编程硅面积。
标签：