211service.com
Siliciumchips, der ser, vil gøre din smartphone genial
Mange af enhederne omkring os kan snart erhverve stærke nye evner til at forstå billeder og video, takket være hardware designet til maskinlæringsteknikken kaldet deep learning.
Virksomheder som Google har lavet gennembrud inden for billed- og ansigtsgenkendelse gennem deep learning, ved at bruge gigantiske datasæt og kraftfulde computere (se 10 Breakthrough Technologies 2013: Deep Learning). Nu siger to førende chipvirksomheder og den kinesiske søgegigant Baidu, at der kommer hardware, som vil bringe teknikken til telefoner, biler og mere.
Chipproducenter afslører typisk ikke deres nye funktioner på forhånd. Men på et konference om computersyn Tirsdag, Synopsys , en virksomhed, der licenserer software og intellektuel ejendom til de største navne inden for chipfremstilling, viste en ny billedprocessorkerne, der er skræddersyet til dyb læring. Det forventes at blive tilføjet til chips, der driver smartphones, kameraer og biler. Kernen ville optage omkring en kvadratmillimeter plads på en chip lavet med en af de mest almindeligt anvendte fremstillingsteknologier.
Pierre Paulin, direktør for R&D hos Synopsys, fortalte MIT Technology Review at det nye processordesign bliver gjort tilgængeligt for hans virksomheds kunder til sommer. Mange har udtrykt stor interesse for at få fat i hardware for at hjælpe med at implementere dyb læring, sagde han.
Synopsys viste en demo, hvor det nye design genkendte hastighedsgrænseskilte i optagelser fra en bil. Paulin præsenterede også resultater fra brugen af chippen til at drive et deep-learning netværk trænet til at genkende ansigter. Det ramte ikke nøjagtighedsniveauerne for de bedste forskningsresultater, som er opnået på kraftige computere, men det kom ret tæt på, sagde han. For applikationer som videoovervågning fungerer den meget godt, sagde han. Den specialiserede kerne bruger betydeligt mindre strøm, end en konventionel chip ville have brug for til at udføre den samme opgave.
Den nye kerne kan tilføje en vis grad af visuel intelligens til mange slags enheder, fra telefoner til billige sikkerhedskameraer. Det ville ikke tillade enheder at genkende titusindvis af genstande på egen hånd, men Paulin sagde, at de måske kunne genkende dusinvis.
Det kan føre til nye typer kamera- eller fotoapps. Paulin sagde, at teknologien også kunne forbedre bil-, trafik- og overvågningskameraer. For eksempel kunne et hjemmesikkerhedskamera kun begynde at sende data over internettet, når et menneske kom ind i billedet. Du kan gøre mere avancerede ting som at opdage, om nogen er faldet i metroen, sagde han.
Jeff Gehlhaar, vicepræsident for teknologi hos Qualcomm Research, talte ved begivenheden om sit firmas arbejde med at få dyb læring til at køre på apps til eksisterende telefonhardware. Han afviste at diskutere, om virksomheden planlægger at bygge støtte til dyb læring ind i sine chips. Men når han talte om industrien generelt, sagde han, at sådanne chips helt sikkert kommer. At kunne bruge deep learning på mobile chips vil være afgørende for at hjælpe robotter med at navigere og interagere med verden, sagde han, og for bestræbelserne på at udvikle autonome biler.
Jeg tror, du vil se tilpasset hardware dukke op for at løse disse problemer, sagde han. Vores traditionelle tilgange til silicium kommer til at løbe tør for gas, og vi bliver nødt til at smøge ærmerne op og gøre tingene anderledes. Gehlhaar angav ikke, hvor hurtigt det kunne være. Qualcomm har sagt, at dens kommende generation af mobile chips vil omfatte software designet til at bringe dyb læring til kamera og andre apps (se Smartphones vil snart lære at genkende ansigter og mere).
Ren Wu, en forsker ved det kinesiske søgefirma Baidu, sagde også, at chips, der understøtter dyb læring, er nødvendige for kraftfulde forskningscomputere i daglig brug. Du er nødt til at implementere den efterretning overalt, hvor som helst og når som helst, sagde han.
At være i stand til at gøre ting som at analysere billeder på en enhed uden at oprette forbindelse til internettet kan gøre apps hurtigere og mere energieffektive, fordi det ikke er nødvendigt at sende data frem og tilbage, sagde Wu. Han og Qualcomms Gehlhaar sagde begge, at det at gøre mobile enheder mere intelligente kunne dæmpe privatlivsimplikationerne af nogle apps ved at reducere mængden af personlige data, såsom billeder, der overføres fra en enhed.
Du vil have intelligensen til at bortfiltrere de rå data og kun sende den vigtige information, metadataene, til skyen, sagde Wu.