翻译|海中天神经网络可以根据图像识别物体。
它还可以以极低的错误率完成其他人工智能（AI）任务。
不久前，谷歌Deep Mind实验室开发的神经网络击败了围棋大师。
这是人工智能的重大进步。
让AI在智能手机上运行太复杂，但你不得不承认，如果手机支持AI的话，无疑是实用的。
现在情况已经改变了。
周二在洛杉矶举行的 IEEE 国际固态电路研讨会上，麻省理工学院的工程师展示了一种芯片设计，可以在智能手机的能耗下运行复杂的图像处理神经网络软件。
让芯片更好地处理神经网络并不容易。
例如，在图像处理中，像 AlexNet 这样的神经网络效果很好。
他们可以通过大量过滤来识别图像，首先寻找图像的边缘，然后识别对象，然后弄清楚场景中发生了什么。
麻省理工学院电气工程专家Vivienne Sze表示，整个过程需要计算机一次又一次地处理数据，并且消耗大量能源。
Vivienne Sze 与 Nvidia 高级研究科学家、麻省理工学院计算机科学教授 Joel Emer 合作开发了该产品。
“我们的芯片尽最大努力让数据和处理单元更接近，并尽量减少数据传输量。
”施薇薇安说道。
当在传统 GPU 上运行时，神经网络需要传输数倍的数据才能处理同一图像。
MIT芯片拥有三个处理核心，每个核心都配备有独立的存储单元。
附近的单元可以互相“交谈”，从而节省电力。
当然，还有更大、更多的主内存来提供支持。
为了提高数据传输速度，硬件会压缩数据，并且还使用数据统计来减少计算量——少于 GPU 可以处理的数据量。
最终，麻省理工学院的 Eyeriss 芯片仅需要 0.3 瓦的功率（相当于普通移动 GPU 功耗 5-10 瓦的十分之一）即可处理强大的神经网络项目。
Vivienne Sze 表示：“这是第一款可以处理完整、先进神经网络的定制芯片。
” Eyeriss 可以运行 AlexNet 项目，这是一个高精度且计算密集型的神经网络。
麻省理工学院团队表示，以前的芯片只能处理一些特定的算法。
他们之所以使用AlexNet来测试，主要是因为它的计算要求很高。
麻省理工学院相信该芯片可以处理任何规模的项目。
除了用于智能手机之外，芯片还可以帮助自动驾驶汽车导航，也可以用于便携式电子设备。
在国际固态电路会议（ISSCC）上，韩国科学技术院展示了一款VR（虚拟现实）眼镜，可以利用神经网络构建手势和语音用户界面，以识别用户的手势、手掌大小、方言。
韩国高级科学技术研究院研究员 Hoi-Jun Yoo 表示，一旦训练完成，MIT 芯片将能够在低能耗条件下运行神经网络。
像 AlexNet 这样的网络是计算密集型的，芯片可能无法处理它们。
理论上，MIT的芯片可以运行任何经过训练的神经网络，无论是图像识别、语音识别、处理医疗数据还是其他任务，该芯片都可以完成。