A neurális hálózatok erőteljes dolgok, de nagyon zavarosak. A Massachusetts Institute of Technology (MIT) mérnökeinek sikerült kifejleszteni egy új chipet, amely 95% -kal csökkenti a neurális hálózat energiafogyasztását, ami elméletileg lehetővé tenné számukra, hogy még akkumulátorral ellátott mobil eszközökön is dolgozzanak. Az okostelefonok napjainkban egyre okosabbá válnak, és több AI-alapú szolgáltatást kínálnak, például virtuális asszisztenseket és valós idejű fordításokat. De általában a neurális hálózatok ezen szolgáltatások szolgáltatásához dolgozzák fel az adatokat a felhőben, és az okostelefonok csak oda-vissza továbbítják az adatokat.
Ez nem ideális, mert vastag kommunikációs csatornát igényel, és feltételezi, hogy az érzékeny adatokat továbbítják és tárolják a felhasználó számára elérhető módon. De a GPU-k által táplált ideghálózatok táplálásához szükséges óriási energiamennyiséget nem lehet kis elemmel működő eszközben biztosítani.
Az MIT mérnökei olyan chipet fejlesztettek ki, amely 95% -kal csökkenti ezt az energiafogyasztást. A chip drasztikusan csökkenti az adatok továbbításának szükségességét a chip memóriája és a processzorok között.
A neurális hálózatok több ezer, egymással összekötött mesterséges neuronból állnak, amelyek rétegekben vannak elrendezve. Mindegyik neuron a mögöttes rétegben lévő több neurontól érkezik bemenetre, és ha az együttes bemenetek egy bizonyos küszöbértéket meghaladnak, akkor az eredményt több fenti neuronra továbbítják. Az idegsejtek közötti kapcsolat erősségét az edzés során megállapított súly határozza meg.
Ez azt jelenti, hogy minden neuron számára a chipeknek ki kell vonnia a memóriából egy adott kapcsolat bemenetét és a kapcsolat súlyát, meg kell szoroznia, tárolnia az eredményt, majd meg kell ismételnie a folyamatot minden bemenetnél. Nagyon sok adat utazik ide-oda, és sok energiát pazarol el.
Az új MIT chip kiküszöböli ezt, ha az összes bemenetet párhuzamosan kiszámítja a memóriában analóg áramkör segítségével. Ez jelentősen csökkenti a túlteljesítendő adatok mennyiségét, és jelentős energiamegtakarítást eredményez.
Ez a megközelítés megköveteli, hogy a kapcsolatok súlya inkább bináris legyen, mint egy tartomány, de a korábbi elméleti munkák kimutatták, hogy ez nem befolyásolja nagyban a pontosságot, és a tudósok megállapították, hogy a chip eredményei 2-3% -kal különböznek a működő neurális hálózat szokásos verziójától. egy szabványos számítógépen.
Ez nem az első alkalom, hogy a tudósok chipeket hoztak létre, amelyek feldolgozzák a memóriában zajló folyamatokat, csökkentve egy idegi hálózat energiafogyasztását, de ez az első alkalom, hogy ezt a megközelítést egy hatalmas neurális hálózat működtetésére használják, amely a képfeldolgozásáról ismert.
Promóciós videó:
"Az eredmények lenyűgöző előírásokat mutatnak a gördülő műveletek energiatakarékos végrehajtására a memória tömbön belül" - mondta Dario Gil, az IBM mesterséges intelligencia alelnöke.
"Ez határozottan megnyitja a lehetőségeket a kifinomultabb konvolúciós neurális hálózatok használatára a képek és videók osztályozására a tárgyak internetén a jövőben."
És ez nem csak a K + F csoportok számára érdekes. Az a vágy, hogy az AI-t olyan eszközökre helyezzék, mint például okostelefonok, háztartási készülékek és mindenféle tárgyak internete eszköz, a Szilícium-völgyben sokan ösztönzik az alacsony fogyasztású chipek felé.
Az Apple már integrálta neurális motorját az iPhone X-be, például ha az arcfelismerő technológiát használja, és az Amazon azt állítja, hogy saját AI chipeket fejlesztett az Echo digitális asszisztensek következő generációjára.
A nagyvállalatok és a chipgyártók egyre inkább a gépi tanulásra támaszkodnak, amely arra készteti őket, hogy készülékeiket még energiatakarékosabbá tegyék. Az év elején az ARM két új chipet mutatott be: a Arm Machine Learning processzort, amely az AI általános feladatait kezeli a fordítástól az arcfelismerésig, és az Arm Object Detection processzort, amely például felismeri a képek képeit.
A Qualcomm legújabb mobil chipje, a Snapdragon 845 GPU-val rendelkezik, és erősen AI-vezérelt. A cég bemutatta a Snapdragon 820E készüléket is, amelynek drónokban, robotokban és ipari eszközökben kell működnie.
A jövőbe nézve az IBM és az Intel neuromorf chipeket fejleszt az emberi agy ihlette építészettel és hihetetlen energiahatékonysággal. Ez elméletileg lehetővé tenné, hogy a TrueNorth (IBM) és Loihi (Intel) nagy teljesítményű gépi tanulást végezzen a hagyományos chipek hatalmának csupán egy részét felhasználva, ám ezek a projektek még mindig nagyon kísérleti jellegűek.
Nagyon nehéz lesz az ideghálózatok életét biztosító chipeket kényszeríteni az akkumulátor energiájának megtakarítása érdekében. De az innováció jelenlegi ütemében ez a „nagyon nehéz” meglehetősen megvalósíthatónak tűnik.
Ilya Khel
