パティエンス・ストロングは、現在のニューラルネットワークがソフトウェアで回路をエミュレートするのではなく、物理的なハードウェアとして実装することで、過大な計算電力を消費していると主張しています。論文では、このエミュレーションを重みとバイアスが不揮発性メモリに保存される半導体デバイスに置き換えることを提案しています。

  • 重みとバイアスは、電源喪失後も保持される不揮発性レジスタを持つデジタル・アナログコンバータ（DAC）として実現されます。
  • 活性化関数は、電圧または電流の閾値に基づいてトリガーされる高速スイッチングトランジスタを使用して実装されます。
  • このデバイスはニューロンを並列に処理し、GPUよりも潜在的な速度向上と大幅に低い消費電力を提供します。
  • 継続的なAIリリースは不揮発性チップに直接上書きでき、現在のアップグレード慣行との整合性を維持します。

著者は、このアプローチによりネットワークロジックの処理に従来のコンピュータが必要なくなり、入出力の処理のみが必要になると主張しています。