韩国国内研究团队开发出运算性能较世界最高水平的移动用人工智能(AI)半导体芯片最高提升13倍以上的AI半导体。
韩国科学技术情报通信部26日表示,KAIST电气与电子工程学部教授柳会峻研究团队与半导体(Fabless)初创企业UX Factory共同开发出可更高效处理深度学习的AI半导体。
要在移动端实现AI,必须以低功耗处理高速运算,但目前使用的软件技术运算速度慢、耗电量大,因此开发AI加速处理器十分必要。为此,英伟达、谷歌等信息技术(IT)企业以及斯坦福大学、麻省理工学院等高校纷纷着手开发提升能效的AI半导体,但兼具统一内核结构并支持完全可变人工神经网络的半导体芯片仍属空白。
研究团队开发出可用单一芯片同时处理卷积神经网络(CNN)与递归神经网络(RNN),并可根据识别对象分别设定能效与精度的AI半导体(UNPU),从而拓宽了AI半导体的应用范围。卷积神经网络具有适合二维数据学习的结构,用于图像内物体分类、物体检测等。递归神经网络是用于学习随时间变化数据的深度学习模型,用于影像与语音识别、词义判断等。
研究团队还开发了通过智能手机摄像头识别人脸表情,自动识别幸福、悲伤、惊讶、恐惧、无表情等7种情绪状态并在手机上实时显示的情绪识别系统。
尤其是柳教授团队开发的AI半导体芯片,去年8月在全球IT企业发布自研半导体芯片的“Hot Chips”学会上仅发布初期版本,就因能效最高达到谷歌TPU的4倍而备受关注。研究团队解释称,与世界最高水平的移动用AI半导体芯片相比,卷积神经网络和递归神经网络的运算性能分别提升1.15倍和13.8倍,能效也高出40%以上。
本次研究成果于13日在美国旧金山举行的国际固态电路会议(ISSCC)上发表,受到广泛关注。技术商用化预计还需约1年时间。柳会峻教授表示,“本次研究开发出为在移动端实现人工智能而以低功耗加速的半导体,意义重大”,并称“预计今后将广泛应用于物体识别、情绪识别、动作识别、自动翻译等领域”。






