Vaše chytré gadgety by mohly být chytřejší

Klíčové jídlo

• Nový výzkum vědců z MIT ukazuje cestu k přizpůsobení neuronových sítí malým zařízením.
• MCUNet umožňuje hluboké učení v systémech s omezeným výpočetním výkonem a pamětí.
• Inovace by také mohla umožnit inteligentnější a hbitější zdravotnické prostředky.

Inteligentní reproduktory a další zařízení, která tvoří internet věcí (IoT), by jednoho dne mohly přinést energii neurální sítě dělat více za méně, říkají vědci. Nový systém s názvem MCUNet umožňuje návrh drobných neuronových sítí na zařízeních IoT, a to i při omezené paměti a výkonu zpracování. Podle příspěvku vědců MIT zveřejněného na předtiskovém serveru Arxiv by tato technologie mohla přinést inteligentním zařízením nové funkce a zároveň šetřit energii a zlepšit zabezpečení dat. Výzkum „je jedním z těch skvělých nápadů, které se zdají být zřejmé, když to uslyšíte,“ uvedl v e-mailovém rozhovoru John Suit, který radí CTO robotické společnosti KODA. „Jedná se o elegantní přístup k problému. Tento výzkum je tak významný, protože nakonec umožní optimalizaci neuronových sítí v reálném čase pro jakékoli zařízení, kde algoritmus zná zdroje.“ „To opravdu ukazuje, že síla nemusí být vázána na velikost ..“

Velké výpočty na malých zařízeních

Zařízení IoT obvykle běží na počítačových čipech bez operačního systému, takže je obtížné spouštět úlohy rozpoznávání vzorů, jako je hluboké učení. Pro intenzivnější analýzu se data shromážděná pomocí IoT často zpracovávají v cloudu, i když jsou citlivá na hacking. Neuronové sítě mohou udělat hodně pro zvýšení rostoucího počtu zařízení IoT, ale problémem byla velikost. „Chcete-li přesunout sítě dolů do samotného zařízení, což se ukázalo jako obtížné, budete muset najít způsob, jak optimalizovat vyhledávací prostor pro různé mikrokontroléry,“ vysvětlil Suit. „Standardní nebo obecný systém by nefungoval kvůli tolerancím zdrojů na zařízeních IoT. Mysli na velmi nízkou spotřebu a velmi malé procesory, pokud jde o výpočetní výkon.“

To je místo, kde přichází práce výzkumníků MIT. „Jak nasadíme neurální sítě přímo na těchto malých zařízeních?“ hlavní autor studie, Ji Lin, Ph.D. uvedla ve zprávě studentka katedry elektrotechniky a informatiky na MIT. „Jedná se o novou oblast výzkumu, která začíná být velmi horká. Společnosti jako Google a ARM pracují tímto směrem.“

TinyEngine to the Rescue

Skupina MIT navrhla dvě součásti nezbytné pro provoz neuronových sítí na mikrokontrolérech. Jedna část je TinyEngine, která je podobná operačnímu systému, ale odřízne kód od základů. Dalším je TinyNAS, algoritmus pro vyhledávání neurální architektury. „Máme spoustu mikrokontrolérů, které přicházejí s různými výkonovými kapacitami a různými velikostmi paměti,“ řekl Lin. „Takže jsme vyvinuli algoritmus [TinyNAS] optimalizovat vyhledávací prostor pro různé mikrokontroléry. Přizpůsobená povaha TinyNAS znamená, že může generovat kompaktní neurální sítě s nejlepším možným výkonem pro daný mikrokontrolér – bez zbytečných parametrů. Potom dodáme mikrokontroléru konečný a efektivní model. “„ Jedná se o elegantní přístup k problému. “Linova práce by se mohla promítnout do výroby chytřejších a hbitějších lékařských přístrojů.“ To opravdu ukazuje, že síla nemusí být v závislosti na velikosti a v nemocnicích, kde se vše rychle pohybuje ve stísněných prostorech, což může doslova znamenat rozdíl mezi životem a smrtí, “uvedl v e-mailovém rozhovoru Kevin Goodwin, generální ředitel společnosti EchoNous, která vyrábí lékařské přístroje podporované umělou inteligencí. Goodwin řekl, že jeho tým strávil roky budováním a trénováním neurální sítě, která by mohla být poté použita k mapování srdečních struktur v ultrazvukovém skenování v reálném čase – to vše v ručním zařízení zvaném KOSMOS, které váží méně než dvě libry.

„Nyní se lékaři mohou snadno pohybovat z místnosti do místnosti a získávat skenování v diagnostické kvalitě s vedením AI,“ dodal. „Nemusí posílat pacienty jinde na tato vyšetření nebo ztrácet kritický čas dezinfekcí strojů na vozíku.“ MCUNet je vzrušující pohled na svět, kde mohou být malé gadgety chytřejší než kdy jindy. Vzhledem k tomu, že počet zařízení IoT rychle roste, budeme hledat vše od inteligentních zařízení po lékařské přístroje, abychom měli své vlastní neuronové sítě.