“spike sinir ağları” için sonuçlar
2 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Modelleri İçin Beyin Benzeri Enerji Tasarrufu Çözümü: SpikeMLLM
Araştırmacılar, görsel ve metinsel verileri işleyebilen büyük dil modellerinin enerji tüketimini drastik olarak azaltan yeni bir sistem geliştirdi. SpikeMLLM adlı bu yaklaşım, insan beyninin çalışma prensiplerine benzer şekilde, sadece gerekli olduğunda hesaplama yapan spike sinir ağlarını kullanıyor. Geleneksel yapay zeka modelleri sürekli hesaplama yaparken, bu yeni sistem olay tabanlı bir yaklaşımla çalışarak önemli enerji tasarrufu sağlıyor. Sistem, farklı veri türleri için özel zaman ölçekleri kullanarak ve görüntü işleme süreçlerini sıkıştırarak performansını artırıyor. Bu gelişme, mobil cihazlar ve sınırlı kaynaklı ortamlar için yapay zeka uygulamalarının yaygınlaşmasını kolaylaştırabilir.
Yapay Sinir Ağlarında Seyreklik Avantajı Gerçek Dünyada Kaybolabiliyor
Nöromorfikta hesaplama için umut verici görülen spike sinir ağları, teorik avantajlarını gerçek donanımda kaybedebiliyor. Araştırmacılar, seyrek aktivite gösteren VS-WNO modelini standart yoğun WNO modeliyle karşılaştırdıkları çalışmada, beklenmedik sonuçlar elde etti. Jetson Orin Nano üzerinde yapılan testlerde, seyrek model %54'ten %18'e düşen spike oranlarına rağmen, daha yavaş ve daha fazla enerji tüketen performans sergiledi. Bu durum, nöromorfikta hesaplamanın teorik potansiyelinin mevcut donanım ve yazılım altyapılarında tam olarak gerçekleştirilemediğini gösteriyor.