Kluczowe dania na wynos
- Nowe badania przeprowadzone przez naukowców z MIT wskazują drogę do dopasowania sieci neuronowych do małych urządzeń.
- MCUNet umożliwia głębokie uczenie się w systemach o ograniczonej mocy obliczeniowej i ograniczonej pamięci.
- Innowacja może również umożliwić tworzenie inteligentniejszych i sprawniejszych urządzeń medycznych.
Inteligentne głośniki i inne urządzenia wchodzące w skład Internetu Rzeczy (IoT) mogą pewnego dnia uzyskać moc sieci neuronowej, aby zrobić więcej przy mniejszych nakładach, twierdzą naukowcy.
Nowy system o nazwie MCUNet umożliwia projektowanie małych sieci neuronowych na urządzeniach IoT, nawet przy ograniczonej pamięci i mocy obliczeniowej. Według artykułu naukowców z MIT opublikowanego na serwerze preprintów Arxiv, technologia ta może zapewnić nowe możliwości inteligentnym urządzeniom, jednocześnie oszczędzając energię i poprawiając bezpieczeństwo danych.
Badania „to jeden z tych genialnych pomysłów, które wydają się oczywiste, gdy się je słyszy”, powiedział w e-mailowym wywiadzie John Suit, doradca CTO w firmie KODA zajmującej się robotyką. „To eleganckie podejście do problemu. Te badania są tak istotne, że ostatecznie pozwolą na optymalizację sieci neuronowych w czasie rzeczywistym dla dowolnego urządzenia, którego zasoby mogą być znane algorytmowi.”
To, co naprawdę pokazuje, to fakt, że moc nie musi być powiązana z rozmiarem..
Wielkie obliczenia na małych urządzeniach
Urządzenia IoT zwykle działają na chipach komputerowych bez systemu operacyjnego, co utrudnia wykonywanie zadań rozpoznawania wzorców, takich jak uczenie głębokie. W celu bardziej intensywnej analizy dane zebrane przez IoT są często przetwarzane w chmurze, choć są podatne na ataki hakerów.
Sieci neuronowe mogą zrobić wiele, aby zwiększyć liczbę urządzeń IoT, ale rozmiar był problemem.
„Aby przenieść sieci w dół do samego urządzenia, co okazało się trudne, należałoby znaleźć sposób na optymalizację przestrzeni wyszukiwania dla różnych mikrokontrolerów” - wyjaśnił Suit. „Standardowy lub ogólny system nie działałby z powodu tolerancji zasobów na urządzeniach IoT. Pomyśl o bardzo niskim poborze mocy, bardzo małych procesorach pod względem mocy obliczeniowej”.
W tym miejscu pojawia się praca badaczy z MIT.
"Jak wdrożyć sieci neuronowe bezpośrednio na tych małych urządzeniach?" główny autor badania, Ji Lin, Ph. D. student na Wydziale Elektrotechniki i Informatyki MIT, powiedział w komunikacie prasowym. „To nowy obszar badań, który robi się bardzo gorący. Firmy takie jak Google i ARM działają w tym kierunku.„
Mały silnik na ratunek
Grupa MIT zaprojektowała dwa komponenty niezbędne do działania sieci neuronowych na mikrokontrolerach. Jedną z części jest TinyEngine, który jest podobny do systemu operacyjnego, ale ogranicza kod do jego podstaw. Innym jest TinyNAS, algorytm wyszukiwania architektury neuronowej.
„Mamy wiele mikrokontrolerów, które mają różną moc i różne rozmiary pamięci”, powiedział Lin. „Opracowaliśmy więc algorytm [TinyNAS], aby zoptymalizować przestrzeń wyszukiwania dla różnych mikrokontrolerów. Dostosowany charakter TinyNAS oznacza, że może on generować kompaktowe sieci neuronowe z najlepszą możliwą wydajnością dla danego mikrokontrolera – bez zbędnych parametrów. Następnie dostarczamy ostateczny, sprawny model do mikrokontrolera."
To eleganckie podejście do problemu.
Praca Lin może przełożyć się na bardziej inteligentne, sprawniejsze urządzenia medyczne.
„To naprawdę pokazuje, że władza nie musi być powiązana z rozmiarem, a w szpitalach, gdzie wszystko porusza się szybko w ciasnych przestrzeniach, może to dosłownie oznaczać różnicę między życiem a śmiercią”, Kevin Goodwin, Dyrektor generalny EchoNous, firmy produkującej urządzenia medyczne wspomagane sztuczną inteligencją, powiedział w wywiadzie e-mailowym.
Goodwin powiedział, że jego zespół spędził lata na budowaniu i trenowaniu sieci neuronowej, która mogłaby być następnie wykorzystana do mapowania struktur serca w czasie rzeczywistym w badaniu ultrasonograficznym – a wszystko to w ręcznym urządzeniu o nazwie KOSMOS, które waży mniej niż dwa funty.
„Teraz lekarze mogą z łatwością przenosić się z pokoju do pokoju, uzyskując skany o jakości diagnostycznej z pomocą sztucznej inteligencji” – dodał. „Nie muszą wysyłać pacjentów gdzie indziej na te skany ani tracić krytycznego czasu na dezynfekcję maszyn opartych na wózkach”.
MCUNet to ekscytujące spojrzenie na świat, w którym małe gadżety mogą być mądrzejsze niż kiedykolwiek. Ponieważ liczba urządzeń IoT szybko rośnie, będziemy szukać wszystkiego, od inteligentnych urządzeń po urządzenia medyczne, aby mieć własne sieci neuronowe.
