东京大学和NTT的研究人员开发了一种新颖的深度学习框架，该框架利用光学计算，将计算资源需求减少了约40%。这种新方法称为SS-DFA（状态跳跃直接反馈对齐），简化了学习过程和网络结构，无需测量和存储传统AI训练中常见的中间状态。该框架还包含一个“单图”结构，其中许多单元遵循简单、通用的规则，进一步简化了计算。虽然在初步测试中表现出与标准深度神经网络相当的性能，但研究人员承认，在智能手机或自动驾驶汽车等设备上实际应用之前，在小型化、稳定性和大规模制造方面仍存在挑战。 AI
影响 可能显著降低AI模型的能耗和计算成本，从而有可能在边缘设备上实现更强大的AI。
排序理由 学术研究论文，详细介绍了一种新的AI学习方法和框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
