Neuroniniai tinklai yra galingi dalykai, tačiau labai apgaulingi. Masačusetso technologijos instituto (MIT) inžinieriams pavyko sukurti naują mikroschemą, kuri 95% sumažina neuroninio tinklo energijos suvartojimą, o tai teoriškai galėtų leisti dirbti net mobiliuose įrenginiuose su baterijomis. Šiomis dienomis išmanieji telefonai tampa vis intelektualesni ir siūlo daugiau AI naudojamų paslaugų, pavyzdžiui, virtualių asistentų ir vertimų realiuoju laiku. Bet paprastai neuroniniai tinklai apdoroja šių paslaugų duomenis debesyje, o išmanieji telefonai duomenis perduoda tik pirmyn ir atgal.
Tai nėra idealu, nes reikalingas storas ryšio kanalas ir daroma prielaida, kad neskelbtini duomenys perduodami ir saugomi vartotojui neprieinamoje vietoje. Tačiau įrenginyje, kuriame veikia maža baterija, negalima aprūpinti dideliais kiekiais energijos, reikalingos maitinti neuroninius tinklus, maitinamus GPU.
- „Salik.biz“
MIT inžinieriai sukūrė lustą, kuris gali sumažinti šį energijos suvartojimą 95%. Lustas drastiškai sumažina poreikį perduoti duomenis pirmyn ir atgal tarp lusto atminties ir procesorių.
Neuroninius tinklus sudaro tūkstančiai tarpusavyje sujungtų dirbtinių neuronų, išdėstytų sluoksniais. Kiekvienas neuronas gauna įvestį iš kelių pagrindiniame sluoksnyje esančių neuronų, o jei jungtinis įėjimas peržengia tam tikrą slenkstį, jis perduoda rezultatą keliems aukščiau esantiems neuronams. Ryšio tarp neuronų stiprumą lemia svoris, kuris nustatomas treniruočių proceso metu.
Tai reiškia, kad kiekvieno neurono lustas turi iš atminties ištraukti įvestį tam tikram ryšiui ir ryšio svorį, padauginti juos, išsaugoti rezultatą ir pakartoti procesą kiekvienam įėjimui. Daug duomenų keliauja čia ir ten, eikvojama daug energijos.
Naujas MIT lustas pašalina tai apskaičiuodamas visas įvestis lygiagrečiai atmintyje, naudodamas analoginę schemą. Tai žymiai sumažina duomenų, kuriuos reikia viršyti, kiekį ir sutaupo daug energijos.
Šis požiūris reikalauja, kad jungčių svoris būtų dvejetainis, o ne diapazonas, tačiau ankstesni teoriniai darbai parodė, kad tai didelės įtakos tikslumui nepadarys, ir mokslininkai nustatė, kad lusto rezultatai 2-3% skiriasi nuo įprastos neuroninio tinklo veikiančios versijos. standartiniame kompiuteryje.
Tai nėra pirmas kartas, kai mokslininkai sukūrė lustus, kurie apdoroja procesus atmintyje, sumažindami neuroninio tinklo energijos suvartojimą, tačiau tai yra pirmas kartas, kai šis metodas buvo naudojamas valdyti galingą neuroninį tinklą, žinomą dėl jo vaizdo apdorojimo.
Reklaminis vaizdo įrašas:
„Rezultatai rodo įspūdingus efektyvaus energijos vartojimo efektyvumo riedėjimo operacijas atminties rinkinyje specifikacijas“, - teigė Dario Gil, IBM dirbtinio intelekto viceprezidentas.
"Tai neabejotinai atveria galimybes ateityje naudoti sudėtingesnius konvoliucinius neuroninius tinklus, kad ateityje būtų galima klasifikuoti vaizdus ir vaizdo įrašus daiktų internete."
Tai įdomu ne tik MTTP grupėms. Noras dėti AI į prietaisus, tokius kaip išmanieji telefonai, buitiniai prietaisai ir visų rūšių internetiniai daiktai, daugelį Silicio slėnyje verčia ieškoti mažos galios lustų.
„Apple“jau integravo savo „Neural Engine“į „iPhone X“, kad galėtų naudoti, pavyzdžiui, veido atpažinimo technologiją, o „Amazon“sklando gandai, kad ji kuria savo AI lustus naujos kartos „Echo“skaitmeniniams padėjėjams.
Didelės įmonės ir lustų gamintojai taip pat vis labiau pasitiki mašinų mokymusi, kuri verčia juos dar labiau naudoti energiją. Anksčiau šiais metais ARM pristatė du naujus lustus: „Arm Machine Learning“procesorių, kuris tvarko bendrąsias AI užduotis nuo vertimo iki veido atpažinimo, ir „Arm Object Detection“procesorių, kuris, pavyzdžiui, nustato vaizdus.
Naujausias „Qualcomm“mobilusis lustas, „Snapdragon 845“, turi GPU ir yra labai varomas AI. Bendrovė taip pat pristatė „Snapdragon 820E“, kuris turėtų veikti dronuose, robotuose ir pramoniniuose įrenginiuose.
Žvelgiant į ateitį, IBM ir Intel kuria neuromorfinius lustus, kurių architektūra įkvėpta žmogaus smegenų ir neįtikėtinai efektyvus energijos vartojimas. Tai teoriškai galėtų leisti „TrueNorth“(IBM) ir „Loihi“(„Intel“) mokytis galingo kompiuterio, naudojant tik dalį įprastų lustų galios, tačiau šie projektai vis dar yra labai eksperimentiniai.
Bus labai sunku priversti lustus, suteikiančius gyvybę nervų tinklams, taupyti akumuliatoriaus energiją. Tačiau dabartiniu inovacijų tempu tai „labai sunku“atrodo gana įmanoma.
Ilja Khel