人工智能（体彩十一运夺金网站）系统面临着一系列相互冲突的目标：准确（消耗大量计算能力和电力）和可访问性（成本更低，计算强度更低，耗电更少）。不幸的是，当今许多体彩十一运夺金网站实现在环境上都是不可持续的。 体彩十一运夺金网站能源效率的提高将受到多种因素的驱动，包括更高效的算法，更高效的计算架构以及更高效的组件。
有必要测量和跟踪体彩十一运夺金网站系统的能耗，以识别出能效方面的任何改进。来自体彩十一运夺金网站MBC的ULPMark（超低功耗）基准测试线现在正在增加ML推理并开发新的基准测试ULPMark-ML，这反映了人们越来越意识到体彩十一运夺金网站系统中能耗重要性的一个例子。 。努力使所谓的“tinyML”或更低功率的机器学习正在进行中，有十几家公司参加了EEMBC’的努力。该基准测试的目的是创建一套标准化的任务，以测量设备’将能源效率作为一个优点。从云到边缘，这预计将是有用的。
更有效的算法
高通公司技术副总裁马克斯·韦林博士（Max Welling）认为，人工智能处理的基准可能很快就会改变，并且人工智能算法将通过它们每焦耳提供的智能量来衡量。他列举了两个主要原因：
- 首先，广泛的经济可行性需要高能效的体彩十一运夺金网站，因为体彩十一运夺金网站创造的价值必须超过运行服务的成本。从角度来看，每笔交易应用体彩十一运夺金网站的经济可行性可能需要低至1美元的成本（1 / 10,000美分）。例如，将体彩十一运夺金网站用于个性化广告和推荐。
- 其次，时尚，超轻便的移动设备中的设备上体彩十一运夺金网站处理需要提高能效。以功耗和散热受限的形式来处理始终在线的计算密集型工作负载需要全天的电池寿命，这是使体彩十一运夺金网站被消费者广泛采用的一部分。其他类别的设备（例如自动驾驶汽车，无人机和机器人）也需要相同的功率效率属性。
迄今为止，许多与体彩十一运夺金网站相关的研究一直在独立地致力于改善算法，软件和硬件。将来，有必要同时优化所有三个维度。这将需要新的体彩十一运夺金网站计算架构以及改进的算法。
低功耗体彩十一运夺金网站计算架构和内存
“内存计算”或“计算存储器”是一个新兴的概念，它使用存储设备的物理属性来存储和处理信息。这与当前的冯·诺依曼系统和设备（例如标准台式计算机，笔记本电脑甚至手机）相反，后者会在内存和计算单元之间来回传送数据，从而使其速度变慢且能源效率降低。
IBM Research的科学家已经证明，一种运行在一百万个相变存储器（PCM）设备上的无监督机器学习算法，可以成功地在未知数据流中发现时间相关性。与最先进的经典计算机相比，该原型技术有望在速度和能源效率方面提高200倍，使其非常适合为超密集，低功耗和大规模并行计算系统提供支持体彩十一运夺金网站中的应用程序。
PCM设备由碲化锗锑合金制成，该合金堆叠并夹在两个电极之间。当科学家向材料施加微小电流时，他们会加热材料，从而将其状态从非晶态（具有无序的原子排列）改变为结晶态（具有有序的原子排列）。 IBM研究人员已使用结晶动力学来进行适当的计算。
体彩十一运夺金网站和ML系统消耗大量的计算机内存。低功耗磁阻随机存取存储器（MRAM）是一种相对较新的技术，可以满足体彩十一运夺金网站和ML系统的存储需求，尤其是在Edge。由于MRAM目前比DRAM或SRAM慢，因此MRAM可能无法立即在云中找到应用，但是对于边缘设备，它可以为体彩十一运夺金网站实施提供推动力。 记忆体结合了非常适合Edge 体彩十一运夺金网站系统的低延迟，低功耗，高耐用性和内存持久性的属性。
包含ML的物联网（IoT）节点可以通过MRAM的持久性来实现（在85°C时，数据保留能力可以保持20年以上）。借助MRAM，不必每次设备退出睡眠模式时都重新加载ML算法，从而节省了时间和精力。这可以使IoT节点分析传感器数据并在本地实时做出快速的高层决策。更深入的分析和完善的决策将依赖于与云的连接。
记忆体的速度有利于在工厂自动化，汽车和其他系统的边缘设备中实施机器学习。在这些系统中，将对数据进行分析，并识别中间模式并与相邻域共享。边缘体系结构要求处理速度和持久内存，这可以由MRAM支持。
这是关于人工智能和机器学习的三部分系列的总结。您可能还喜欢阅读第一部分“人工智能，机器学习，深度学习和认知计算”和第二部分“对从边缘到云的体彩十一运夺金网站进行基准测试”。
参考文献：
绿色体彩十一运夺金网站，艾伦体彩十一运夺金网站研究所，卡内基梅隆大学和华盛顿大学
算法的进步如何使节能体彩十一运夺金网站成为可能高通
IBM科学家展示了用于人工智能应用的100万种设备的内存计算，IBM
发表评论