来自东京大学工业科学研究所的研究人员设计并制造了专门的计算机硬件，这些硬件由一排排排列在3d螺旋中的存储模块组成，用于人工智能(AI)应用。这项研究可能为下一代节能型人工智能设备开辟道路。

机器学习是一种人工智能，允许计算机通过示例数据进行培训，以便对新实例进行预测。例如，像Alexa这样的智能语音算法可以学习理解您的语音命令，因此即使您第一次要求某事，它也能理解你。然而，人工智能往往需要大量的电能来训练，这就引起了人们对增加气候变化的担忧。

现在，来自东京大学工业科学研究所的科学家们已经开发出一种新的设计，这种设计可以用氧化半导体(IGZO)接入晶体管在三维螺旋中堆叠电阻随机访问存储器模块。将芯片上的非易失性存储器放置在靠近处理器的位置，可以使机器学习训练过程更快、更节能。这是因为电信号比传统计算机硬件传输的距离要短得多。叠加多层电路是一个自然的步骤，因为训练算法通常需要同时并行运行许多操作。

对于这些应用程序，每一层的输出通常连接到下一层的输入。我们的架构大大减少了互联布线的需要。通过实现二值化神经网络系统，该团队能够使该设备更加节能。参数被限制为+1或-1，而不是允许任意数目。这不仅极大地简化了所使用的硬件，而且压缩了必须存储的数据量。

他们使用人工智能中的一项常见任务来测试该设备，即解读一个手写数字数据库。科学家们表示，增加每个电路层的尺寸可以提高算法的精度，最高可达90%左右。资深作者Masaharu Kobayashi解释道：“为了降低能源消耗，随着人工智能日益融入日常生活，我们需要更加专业的硬件来有效地处理这些任务。”

这项工作是朝着“物联网”迈出的重要一步。在这个过程中，许多小型人工智能设备作为集成“智能家居”的一部分，进行通信。