Kraftfulde computervisionsalgoritmer er nu små nok til at køre på din telefon

Kategori: Kunstig intelligens Udsendt 11. okt

Forskere har krympet state-of-the-art computervision-modeller til at køre på enheder med lavt strømforbrug.

Voksende smerter: Visuel genkendelse er dyb lærings stærkeste færdighed. Computervisionsalgoritmer analyserer medicinske billeder, muliggør selvkørende biler og aktiverer ansigtsgenkendelse. Men træningsmodeller til at genkende handlinger i videoer er blevet stadig dyrere. Dette har givet anledning til bekymringer om teknologiens CO2-fodaftryk og dens stigende utilgængelighed i miljøer med lav ressource.

Forskningen: Forskere ved MIT-IBM Watson AI Lab har nu udviklet en ny teknik til træning af videogenkendelsesmodeller på en telefon eller anden enhed med meget begrænset behandlingskapacitet. Typisk vil en algoritme behandle video ved at dele den op i billedrammer og køre genkendelsesalgoritmer på hver af dem. Den sammensætter derefter handlingerne vist i videoen ved at se, hvordan objekterne ændrer sig over efterfølgende billeder. Metoden kræver, at algoritmen husker, hvad den har set i hver frame, og den rækkefølge, den har set den i. Dette er unødvendigt ineffektivt.

I den nye tilgang udtrækker algoritmen i stedet grundlæggende skitser af objekterne i hver frame og overlejrer dem oven på hinanden. Frem for at huske, hvad der skete hvornår, kan algoritmen få et indtryk af tidens gang ved at se på, hvordan objekterne skifter gennem rummet i skitserne. I test fandt forskerne ud af, at den nye tilgang trænede videogenkendelsesmodeller tre gange hurtigere end den nyeste teknologi. Det kunne den også hurtigt klassificere håndbevægelser med en lille computer og kamera, der kun kører på nok energi til at drive en cykellygte.

Hvorfor det er vigtigt: Den nye teknik kan hjælpe med at reducere forsinkelser og beregningsomkostninger i eksisterende kommercielle anvendelser af computervision. Det kunne for eksempel gøre selvkørende biler mere sikre ved at fremskynde deres reaktion på indkommende visuel information. Teknikken kunne også låse op for nye applikationer, som tidligere ikke var mulige, såsom ved at gøre det muligt for telefoner at hjælpe med at diagnosticere patienter eller analysere medicinske billeder.

Distribueret AI: Efterhånden som mere og mere AI-forskning bliver omsat til applikationer, vil behovet for mindre modeller stige. MIT-IBM-papiret er en del af en voksende tendens til at krympe avancerede modeller til en mere overskuelig størrelse.

For at få flere historier som denne leveret direkte til din indbakke, tilmeld dig vores Webby-nominerede AI-nyhedsbrev The Algorithm. Det er gratis.