Atslēgas līdzņemšanai
- Jauns MIT zinātnieku pētījums norāda uz veidu, kā ievietot neironu tīklus mazās ierīcēs.
- MCUNet nodrošina dziļu mācīšanos sistēmās ar ierobežotu apstrādes jaudu un atmiņu.
- Inovācija varētu arī ļaut izveidot viedākas, veiklākas medicīnas ierīces.
Pētnieki saka, ka viedie skaļruņi un citas ierīces, kas veido lietisko internetu (IoT), kādu dienu varētu iegūt neironu tīklu, lai paveiktu vairāk ar mazāku summu.
Jauna sistēma ar nosaukumu MCUNet ļauj izveidot nelielus neironu tīklus IoT ierīcēs pat ar ierobežotu atmiņu un apstrādes jaudu. Saskaņā ar MIT zinātnieku rakstu, kas publicēts pirmsdrukas serverī Arxiv, šī tehnoloģija varētu sniegt jaunas iespējas viedierīcēm, vienlaikus ietaupot enerģiju un uzlabojot datu drošību.
Pētījums "ir viena no tām izcilajām idejām, kas šķiet pašsaprotama, kad to dzirdat," e-pasta intervijā sacīja Džons Suits, konsultējot robotikas uzņēmuma KODA CTO. "Tā ir eleganta pieeja problēmai. Šis pētījums ir tik nozīmīgs, jo galu galā tie ļaus reāllaikā optimizēt neironu tīklus jebkurai ierīcei, kuras resursi var būt zināmi algoritmam."
Tas patiešām parāda, ka jaudai nav jābūt saistītai ar izmēru..
Lieli aprēķini mazām ierīcēm
IoT ierīces parasti darbojas ar datoru mikroshēmām bez operētājsistēmas, tādējādi apgrūtinot modeļu atpazīšanas uzdevumu izpildi, piemēram, dziļo mācīšanos. Lai veiktu intensīvāku analīzi, IoT apkopotie dati bieži tiek apstrādāti mākonī, lai gan tie ir neaizsargāti pret uzlaušanu.
Ir daudz, ko neironu tīkli varētu darīt, lai palielinātu arvien pieaugošo IoT ierīču skaitu, taču problēma ir radījusi lielumu.
"Lai pārvietotu tīklus uz leju pašā ierīcē, kas ir izrādījies sarežģīti, jums būs jāatrod veids, kā optimizēt dažādu mikrokontrolleru meklēšanas vietu," paskaidroja Suits. "Standarta vai vispārīga sistēma nedarbotos IoT ierīču resursu pielaides dēļ. Apstrādes jaudas ziņā padomājiet par ļoti zemu jaudu, ļoti maziem procesoriem."
Šajā vietā parādās MIT pētnieku darbs.
"Kā mēs varam izvietot neironu tīklus tieši šajās mazajās ierīcēs?" pētījuma vadošais autors Dži Lins, Ph. D. MIT Elektrotehnikas un datorzinātņu katedras students, teikts ziņu izlaidumā. "Tā ir jauna pētniecības joma, kas kļūst ļoti karsta. Tādi uzņēmumi kā Google un ARM strādā šajā virzienā."
TinyEngine glābšanai
MIT grupa izstrādāja divus komponentus, kas nepieciešami neironu tīklu darbībai uz mikrokontrolleriem. Viena daļa ir TinyEngine, kas ir līdzīga operētājsistēmai, taču kods tiek noņemts līdz būtiskām. Vēl viens ir TinyNAS, neironu arhitektūras meklēšanas algoritms.
"Mums ir daudz mikrokontrolleru, kas tiek piegādāti ar dažādu jaudu un dažādiem atmiņas izmēriem," sacīja Lins. "Tāpēc mēs izstrādājām algoritmu [TinyNAS], lai optimizētu meklēšanas vietu dažādiem mikrokontrolleriem. TinyNAS pielāgotais raksturs nozīmē, ka tas var ģenerēt kompaktus neironu tīklus ar vislabāko iespējamo veiktspēju konkrētajam mikrokontrollerim - bez nevajadzīgiem parametriem. Pēc tam mēs nodrošinām galīgo, efektīvs modelis mikrokontrolleram."
Tā ir eleganta pieeja problēmai.
Lina darbu varētu pārvērst viedākas, veiklākas medicīnas ierīču ražošanā.
"Tas patiesi parāda, ka jauda nav jāsaista ar lielumu, un slimnīcās, kur šaurās vietās viss notiek ātri, tas var burtiski nozīmēt atšķirību starp dzīvību un nāvi," Kevins Gudvins, Uzņēmuma EchoNous izpilddirektors, uzņēmums, kas ražo MI atbalstītas medicīnas ierīces, teica e-pasta intervijā.
Godvins sacīja, ka viņa komanda gadiem ilgi veidoja un apmācīja neironu tīklu, ko pēc tam varētu izmantot sirds struktūru kartēšanai reāllaika ultraskaņas skenēšanas laikā, izmantojot rokas ierīci, ko sauc par KOSMOS un kura sver mazāk nekā divas mārciņas.
"Tagad ārsti var viegli pārvietoties no vienas telpas uz otru, iegūstot diagnostikas kvalitātes skenējumus, izmantojot AI norādījumus," viņš piebilda. "Viņiem nav jāsūta pacienti citur, lai veiktu šos skenējumus, vai jāzaudē kritiskais laiks, lai dezinficētu uz ratiņiem balstītas iekārtas."
MCUNet ir aizraujošs skatījums uz pasauli, kurā mazie sīkrīki varētu būt gudrāki nekā jebkad agrāk. Tā kā IoT ierīču skaits strauji pieaug, mēs meklēsim visu, sākot no viedajām ierīcēm līdz medicīnas ierīcēm, lai tām būtu savi neironu tīkli.
