让人工智能更快更节能

德克萨斯大学阿灵顿分校的一名研究人员已从国家科学基金会获得了价值近60万美元的三年赠款，用于使与人工智能(AI)一起使用的技术更快，更节能，因此可以实时使用。

电气工程教授梁祁连将通过设备、电路和算法设计深度学习硬件加速器，以创建具有更简单设计和架构的深度生成AI模型。深度生成AI使用统计数据和概率来生成复杂数据的可扩展模型，包括图像、文本和数据。Liang的研究有望在能源使用和速度方面产生数量级的改善。

电气工程助理教授潘晨云是该项目的联合首席研究员

“我们将研究架构，硬件和软件，以使AI技术过程更快，以便可以实时实施并提高其能源效率，”Liang说。“除了明显的计算应用之外，这项技术还可以进入机器人，自动驾驶甚至实时创建新闻稿的过程。

Liang将简化用于设计硬件的架构，以提高计算速度。他还将创建一种算法来确定AI实施是否可以降低成本，并将设计更有效的电路和硬件，以节省资金并允许更快的计算。

该团队将专注于三种类型的深度生成模型：

•基于视觉转换器的生成建模在图像补丁上使用转换器架构来改善图像识别。如果人工智能能够使用环境线索来确定它所看到的东西，而不必对许多图像进行分类，那么它将需要更少的精力和时间。

•掩码的生成建模隐藏了对手头任务没有价值的数据，减少了人工智能必须分类的数据量。之后，可以恢复屏蔽的数据，并用于填补可能允许早期决策的空白。

•跨模态生成建模使用两种模型同时对多模态数据进行排序，并确定哪些有用，哪些无效。

“随着人工智能技术的进步，对它更快、更节能的需求变得更大，”电气工程系主任DianaHuffaker说。“梁博士的工作将通过消除目前这项技术的一些限制，在未来实现更大的创新。

梁小军于2002年加入UTA。他于2016年被任命为电气和电子工程师协会研究员，因为他对计算智能的贡献。