简而言之，近似计算和随机计算利用了应用所要求的精度水平与计算系统所提供的精度之间的差距，来实现各种优化，主要是满足省电的需求。因此，它们本质上是一种「绿色」技术。同时，它们的容错特性在神经网络架构和芯片设计中，都有很大的用处。因此，它们在 AI 芯片设计领域有着很大的优势和发展潜力。几家大公司已在几种基于 AI 的应用和服务中使用了近似计算技术，而 EDA 和软件工程界也越来越倾向于支持近似计算和随机计算设计。
然而，尽管近似计算和随机计算前景光明，但并非万能药。有效使用这些方法需要明智地选择近似的代码、数据、电路和近似策略，因为均匀近似会产生不可接受的质量损失，更糟糕的是，控制流或存储器访问操作中的近似值可能会导致灾难性的结果 [149] 。过高的精度损耗会使输出结果不可接受或需要使用精确的参数重复执行。这些问题正成为下一步需要解决的课题。
对于 AI 的训练和推理来说，如果使用近似计算或随机计算，都需要考虑计算精度和节能之间的权衡，要把云端和边缘侧的 AI 计算性能及两者之间的数据传输性能合并在一起，作为一个「近似」整体来考虑。
基于可逆计算的 AI 芯片已经问世，虽然它们还只是芯片原型，但是展示的结果令人鼓舞。可逆计算涉及物理学最基本的定律，即抹去信息就等于耗散能量。把这部分能量节省下来，将是未来计算的终极目标之一。在摩尔定律即将走向终点，处在新的工业革命重要节点上的今天，可逆计算正是最需要人们投入精力研究的时刻。
（本章节完结）
正在加载...