Kulcs elvitelek
- Az MIT tudósainak új kutatása rámutat a neurális hálózatok apró eszközökbe való beillesztésére.
- MCUNet lehetővé teszi a mély tanulást korlátozott feldolgozási teljesítménnyel és memóriával rendelkező rendszereken.
- Az innováció intelligensebb, agilisabb orvosi eszközöket is lehetővé tehet.
A kutatók szerint az intelligens hangszórók és más eszközök, amelyek a tárgyak internetét (IoT) alkotják, egy napon képessé tehetik a neurális hálózatot, hogy kevesebbel többet érjenek el.
Az MCUNet nevű új rendszer lehetővé teszi apró neurális hálózatok tervezését az IoT-eszközökön, még korlátozott memória és feldolgozási teljesítmény mellett is. Az MIT tudósainak az Arxiv nyomtatás előtti szerveren közzétett tanulmánya szerint a technológia új képességeket hozhat az intelligens eszközökbe, miközben energiát takarít meg és javítja az adatbiztonságot.
A kutatás „az egyike azoknak a zseniális ötleteknek, amelyek kézenfekvőnek tűnnek, ha meghalljuk” – mondta egy e-mailes interjúban John Suit, a KODA robotikai cég műszaki igazgatójának tanácsadója. "Elegáns megközelítés a problémához. Ez a kutatás azért fontos, mert végül lehetővé teszik a neurális hálózatok valós idejű optimalizálását minden olyan eszköz számára, ahol az erőforrások az algoritmus számára ismertek."
Ez valójában azt mutatja, hogy a teljesítményt nem kell mérethez kötni..
Nagy számítások kis eszközökön
Az IoT-eszközök általában operációs rendszer nélküli számítógépes chipeken futnak, ami megnehezíti a mintafelismerési feladatok, például a mélytanulás futtatását. Az intenzívebb elemzés érdekében az IoT által gyűjtött adatokat gyakran a felhőben dolgozzák fel, bár érzékenyek a feltörésre.
A neurális hálózatok sokat tehetnek az IoT-eszközök növekvő számának növelése érdekében, de a méret problémát jelent.
"Ahhoz, hogy a hálózatokat magukba az eszközbe mozgathassa, ami nehéznek bizonyult, meg kell találnia a módját a keresési tér optimalizálásának különféle mikrokontrollerek számára" - magyarázta Suit. "Egy szabványos vagy általános rendszer nem működne az IoT-eszközök erőforrás-tűrése miatt. Gondoljon nagyon alacsony fogyasztású, nagyon kicsi processzorokra a feldolgozási teljesítmény szempontjából."
Itt jön a képbe az MIT kutatóinak munkája.
"Hogyan telepíthetünk neurális hálókat közvetlenül ezekre az apró eszközökre?" a tanulmány vezető szerzője, Ji Lin, a Ph. D. Az MIT Villamosmérnöki és Számítástechnikai Tanszékének hallgatója – áll egy sajtóközleményben. "Ez egy új kutatási terület, amely nagyon felforrósodik. Az olyan cégek, mint a Google és az ARM, mind ebben az irányban dolgoznak."
TinyEngine a mentéshez
Az MIT csoport két olyan komponenst tervezett, amelyek a neurális hálózatok működéséhez szükségesek mikrokontrollereken. Az egyik része a TinyEngine, amely hasonló egy operációs rendszerhez, de a kódot a lényegre csökkenti. Egy másik a TinyNAS, egy neurális architektúra keresési algoritmusa.
"Rengeteg mikrokontrollerünk van, amelyek különböző teljesítményű és különböző memóriaméretekkel rendelkeznek" - mondta Lin. "Így kifejlesztettük az algoritmust [TinyNAS], amely optimalizálja a keresési teret a különböző mikrokontrollerek számára. A TinyNAS testreszabott természete azt jelenti, hogy kompakt neurális hálózatokat tud létrehozni a lehető legjobb teljesítménnyel egy adott mikrokontrollerhez – szükségtelen paraméterek nélkül. Ezután szállítjuk a végső, hatékony modell a mikrokontroller számára."
Elegáns megközelítés a problémához.
Lin munkája intelligensebb, agilisabb orvostechnikai eszközöket is jelenthet.
"Ez valóban azt mutatja, hogy a hatalmat nem kell mérethez kötni, és a kórházakban, ahol szűk helyen minden gyorsan mozog, ez szó szerint jelentheti az élet és a halál közötti különbséget." Kevin Goodwin, A mesterséges intelligenciával támogatott orvosi eszközöket gyártó EchoNous cég vezérigazgatója egy e-mailes interjúban elmondta.
Goodwin elmondta, hogy csapata éveket töltött egy neurális hálózat kiépítésével és betanításával, amelyet aztán a szívszerkezetek feltérképezésére lehet használni valós idejű ultrahangos vizsgálat során – mindezt egy két font alatti KOSMOS nevű kézi eszközben.
"Most az orvosok könnyedén mozoghatnak szobáról szobára, és mesterséges intelligencia irányításával diagnosztikai minőségű szkennelést kapnak" - tette hozzá. "Nem kell máshová küldeniük a betegeket ezekre a szkennelésekre, vagy nem kell kritikus időt veszíteniük a kocsi alapú gépek fertőtlenítésére."
Az MCUNet izgalmas betekintést nyújt egy olyan világba, ahol a kis kütyük okosabbak lehetnek, mint valaha. Mivel az IoT-eszközök száma gyorsan növekszik, az intelligens készülékektől az orvosi eszközökig mindent keresni fogunk, hogy saját neurális hálózattal rendelkezzenek.
