Neuraaliverkot ovat voimakkaita juttuja, mutta erittäin epämääräisiä. Massachusetts Institute of Technology (MIT) -insinöörit ovat onnistuneet kehittämään uuden sirun, joka vähentää hermoverkon virrankulutusta 95%, mikä voi teoriassa antaa heidän työskennellä jopa akkuilla varustetuissa mobiililaitteissa. Älypuhelimet ovat älykkäämpiä ja älykkäämpiä nykyään, ja tarjoavat enemmän AI-pohjaisia palveluita, kuten virtuaaliassistentteja ja reaaliaikaisia käännöksiä. Mutta yleensä hermoverkot käsittelevät näiden palvelujen tietoja pilvessä, ja älypuhelimet lähettävät tietoja vain edestakaisin.
Tämä ei ole ihanteellinen, koska se vaatii paksun viestintäkanavan ja olettaa, että arkaluontoista tietoa siirretään ja tallennetaan käyttäjän ulottumattomissa. Mutta GPU: ista saatujen hermoverkkojen virrankuluttamiseen tarvittavia valtavia määriä energiaa ei voida toimittaa pienellä akulla toimivassa laitteessa.
MIT-insinöörit ovat kehittäneet sirun, joka voi vähentää virrankulutusta 95%. Siru vähentää dramaattisesti tarvetta siirtää dataa edestakaisin sirun muistin ja prosessorien välillä.
Neuraaliverkot koostuvat tuhansista toisiinsa liittyvistä keinotekoisista neuroneista, jotka on järjestetty kerroksiin. Jokainen hermosolu vastaanottaa tuloja useista alla olevan kerroksen neuroneista, ja jos yhdistetty tulo ylittää tietyn kynnyksen, se välittää tuloksen useille yllä oleville hermoille. Neuronien välisen yhteyden vahvuus määräytyy painon perusteella, joka vahvistetaan harjoitusprosessin aikana.
Tämä tarkoittaa, että jokaiselle neuronille sirun on poistettava tietyn yhteyden tulo ja yhteyden paino muistista, kerrottava ne, tallennettava tulos ja toistettava sitten prosessi jokaiselle tulolle. Paljon dataa kulkee täällä ja siellä, ja paljon energiaa hukkaan.
Uusi MIT-siru eliminoi tämän laskemalla kaikki sisääntulot rinnakkain muistissa käyttämällä analogisia piirejä. Tämä vähentää huomattavasti ohitettavan tiedon määrää ja johtaa merkittäviin energiansäästöihin.
Tämä lähestymistapa vaatii yhteyksien painon olevan binaarista, ei etäisyyttä, mutta aiempi teoreettinen työ on osoittanut, että tämä ei vaikuta suuresti tarkkuuteen, ja tutkijat havaitsivat, että sirun tulokset poikkesivat 2–3% tavanomaisesta neuroverkon toimintaversiosta tavallisella tietokoneella.
Tämä ei ole ensimmäinen kerta, kun tutkijat ovat luoneet siruja, jotka prosessoivat muistissa vähentäen hermoverkon virrankulutusta, mutta tämä on ensimmäinen kerta, kun tätä lähestymistapaa on käytetty kuvankäsittelystä tunnettua voimakkaan hermoverkon käyttämiseen.
Mainosvideo:
"Tulokset osoittavat vaikuttavia eritelmiä valssaustoimintojen energiatehokkaalle toteuttamiselle muistiryhmässä", kertoi IBM: n tekoälyn johtaja Dario Gil.
"Tämä avaa ehdottomasti mahdollisuuksia käyttää tulevaisuuden hienostuneempia konvoluutiohermoverkkoja kuvien ja videoiden luokittelemiseen esineiden Internetissä."
Ja tämä on mielenkiintoista paitsi t & k-ryhmille. Halu saattaa AI laitteisiin, kuten älypuhelimiin, kodinkoneisiin ja kaikenlaisiin Internet-laitteisiin, ajaa Piilaaksossa monia kohti pienitehoisia siruja.
Apple on jo integroinut hermoottorinsa iPhone X: ään valtaan, esimerkiksi kasvojentunnistustekniikkaan, ja Amazonin huhutaan kehittävän omia AI-siruja seuraavan sukupolven Echo-digitaalisten avustajien käyttöön.
Suuret yritykset ja siruvalmistajat luottavat myös yhä enemmän koneoppimiseen, joka pakottaa heidät tekemään laitteistaan entistä energiatehokkaampia. Aiemmin tänä vuonna ARM julkisti kaksi uutta sirua: Arm Machine Learning -prosessori, joka hoitaa yleiset AI-tehtävät kääntämisestä kasvotunnistukseen, ja Arm Object Detection -prosessori, joka havaitsee esimerkiksi kuvien kasvot.
Qualcommin uusimmassa mobiilisirussa, Snapdragon 845, on GPU ja se on voimakkaasti AI-ajettu. Yhtiö esitteli myös Snapdragon 820E: n, jonka tulisi toimia droneissa, robotissa ja teollisuuslaitteissa.
Katse eteenpäin, IBM ja Intel kehittävät neuromorfisia siruja, joiden arkkitehtuuri on inspiroitu ihmisen aivojen ja uskomattoman energiatehokkuuden avulla. Tämä voisi teoriassa antaa TrueNorthin (IBM) ja Loihin (Intel) suorittaa tehokkaan koneoppimisen käyttämällä vain murto-osaa perinteisten sirujen voimasta, mutta nämä projektit ovat silti erittäin kokeellisia.
Neuraaliverkoille elämän antavien sirujen pakottaminen akun virran säästämiseksi on erittäin vaikeaa. Mutta nykyisessä innovaatiovauhdissa tämä “erittäin vaikea” näyttää varsin toteutettavalta.
Ilja Khel