-
微信號(hào):youuav
關(guān)注官方微信
m.youuav.com手機(jī)掃碼看新聞
-
- 添加收藏
- 關(guān)于我們
無人機(jī)整機(jī)
無人機(jī)配件
無人機(jī)服務(wù)
設(shè)備與工具工程師正在努力將大型人工智能塞進(jìn)移動(dòng)系統(tǒng)中。
你到底要往哪邊走?工程師展示了一種可用在汽車中預(yù)測撞到行人風(fēng)險(xiǎn)的神經(jīng)網(wǎng)絡(luò)芯片。
基于神經(jīng)網(wǎng)絡(luò)的人工智能系統(tǒng)最近取得了一連串了不起的成功：一個(gè)在圍棋比賽中擊敗了人類大師，另一個(gè)能撰寫啤酒評(píng)測，還有一個(gè)能打造迷幻藝術(shù)。但要將這些超級(jí)復(fù)雜和非常耗電的系統(tǒng)引入真實(shí)世界并將它們安裝到便攜式設(shè)備上卻并非易事。
但二月份時(shí)，在舊金山舉辦的 IEEE 國際固態(tài)電路會(huì)議上，來自麻省理工學(xué)院、NVIDIA 和韓國科學(xué)技術(shù)院(KAIST)的團(tuán)隊(duì)讓這一目標(biāo)離我們更近了一步。他們展示了專為運(yùn)行人工神經(jīng)網(wǎng)絡(luò)而設(shè)計(jì)的低功耗芯片原型，該芯片能夠幫助智能手機(jī)理解其所看到的內(nèi)容，還能讓自動(dòng)駕駛汽車預(yù)測行人的移動(dòng)。
到現(xiàn)在為止，神經(jīng)網(wǎng)絡(luò)——以類似大腦細(xì)胞的網(wǎng)絡(luò)連接方式工作的學(xué)習(xí)系統(tǒng)——都還需要消耗的大量的能源，故而不能在移動(dòng)設(shè)備(如智能手機(jī)、小型機(jī)器人和無人機(jī))上運(yùn)行，而移動(dòng)設(shè)備又是最能得益于人工智能技術(shù)的領(lǐng)域。這種移動(dòng)人工智能芯片可以在不榨干它們的電池或影響它們的燃料經(jīng)濟(jì)性的前提下提高自動(dòng)駕駛汽車的智能。
智能手機(jī)處理器目前處在運(yùn)行強(qiáng)大神經(jīng)網(wǎng)絡(luò)軟件的臨界點(diǎn)。高通公司正在將其下一代驍龍智能手機(jī)處理器和一個(gè)軟件開發(fā)工具包發(fā)送給手機(jī)制造商，以讓他們能使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自動(dòng)圖像標(biāo)注功能。這種以軟件為中心的方法是一個(gè)里程碑，但也有它的局限性。一方面，手機(jī)的應(yīng)用程序不能依靠自己學(xué)習(xí)任何新事物——它只能通過更強(qiáng)大的計(jì)算機(jī)進(jìn)行訓(xùn)練。而神經(jīng)網(wǎng)絡(luò)專家認(rèn)為如果能將對(duì)神經(jīng)網(wǎng)絡(luò)友好的功能集成到電路本身，那么實(shí)現(xiàn)更復(fù)雜的功能是可能的。其它運(yùn)行圖像識(shí)別神經(jīng)網(wǎng)絡(luò) AlexNet 的功耗為 5 到 10 W，而 Eyeriss 只需0.3 W。
更大型的神經(jīng)網(wǎng)絡(luò)擁有更多計(jì)算層，運(yùn)行時(shí)所消耗的能量也就更多，麻省理工學(xué)院電氣工程教授 Vivienne Sze 說。不管是什么應(yīng)用程序，能量都主要被消耗在了處理器和內(nèi)存之間的數(shù)據(jù)傳輸中。對(duì)被用于圖像分析的卷積神經(jīng)網(wǎng)絡(luò)來說，這是一個(gè)尤其突出的問題。(其中的「卷積」表示計(jì)算過程涉及很多步驟。)
對(duì)于人腦而言，使用記憶做出聯(lián)想是很自然的。一個(gè)三歲孩童就能輕松告訴你一張照片上有一只貓?zhí)稍诖采?。卷積神經(jīng)網(wǎng)絡(luò)也能標(biāo)記一張圖像中的所有對(duì)象。首先，一個(gè)類似圖像識(shí)別AlexNet 的系統(tǒng)可能能夠找到照片中對(duì)象的邊緣，然后一個(gè)接一個(gè)識(shí)別這些對(duì)象——貓、床、毯子——最后推斷出這是一室內(nèi)場景。然而，即使這樣一簡單的標(biāo)記任務(wù)耗能仍然很高。
神經(jīng)網(wǎng)絡(luò)，尤其是應(yīng)用于圖像分析的神經(jīng)網(wǎng)絡(luò)，通常都運(yùn)行在圖形處理器(GPU)上，這也是驍龍將會(huì)在其場景探測(Scene Detect)功能中所使用的。Sze 說，GPU 已經(jīng)是專門用來做圖像處理的了，但在打造高效運(yùn)行神經(jīng)網(wǎng)絡(luò)的電路上還有多得多的事情要做。
Sze 與另一位麻省理工學(xué)院計(jì)算機(jī)科學(xué)教授兼 NVIDIA 資深杰出研究科學(xué)家 Joel Emer 合作開發(fā)了 Eyeriss ——第一款專為運(yùn)行最先進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的定制芯片。他們展示的這些芯片可以運(yùn)行要求非常嚴(yán)格的算法 AlexNet，使用的能耗不到典型移動(dòng) GPU 的十分之一：不再需要消耗 5 到 10 W 的功率，Eyeriss 只需要 0.3 W。
Sze 和 Emer 的芯片通過在其 168 個(gè)處理引擎旁邊安裝專用內(nèi)存條來節(jié)省能源。該芯片盡可能少地從更大的主內(nèi)存條中獲取數(shù)據(jù)。Eyeriss 也壓縮它所發(fā)送的數(shù)據(jù)，并使用統(tǒng)計(jì)技巧跳過某些 GPU 通常會(huì)執(zhí)行的步驟。真實(shí)的世界是多樣化的，幾乎不可能預(yù)測?！n國科學(xué)技術(shù)院 Hoi-Jun Yoo
韓國科學(xué)技術(shù)院教授、多媒體 VLSI 實(shí)驗(yàn)室負(fù)責(zé)人 Lee-Sup Kim 說，這些為神經(jīng)網(wǎng)絡(luò)圖像分析開發(fā)的電路也將在機(jī)場面部識(shí)別系統(tǒng)和機(jī)器人導(dǎo)航中大有用處。在這次會(huì)議上，Kim 的實(shí)驗(yàn)室展示了一種專為物聯(lián)網(wǎng)的通用視覺處理器而設(shè)計(jì)的芯片。和 Eyeriss 一樣，韓國科學(xué)技術(shù)院的這個(gè)設(shè)計(jì)通過將內(nèi)存和處理器更緊密地結(jié)合到一起以最小化數(shù)據(jù)的移動(dòng)。其功耗僅為 45 毫瓦，但公平而言，其所運(yùn)行的網(wǎng)絡(luò)并沒有 Eyeriss 運(yùn)行的網(wǎng)絡(luò)那樣復(fù)雜。它既通過限制數(shù)據(jù)移動(dòng)也通過減輕計(jì)算負(fù)載來節(jié)約能源。Kim 的研究小組觀察到關(guān)鍵計(jì)算使用的 99% 的數(shù)字只需要 8 個(gè)比特，所以他們可以限制用于此計(jì)算的資源。
NVIDIA 的Emer 說：「這是一個(gè)在通用性和效率之間做選擇的難題?！筍ze、Emer 和 Kim 正嘗試開發(fā)用于圖像分析的通用型神經(jīng)網(wǎng)絡(luò)芯片——一種 NNPU(general-purpose neural-network)。另一位韓國科學(xué)技術(shù)院教授、系統(tǒng)設(shè)計(jì)創(chuàng)新與應(yīng)用研究中心負(fù)責(zé)人 Hoi-Jun Yoo 支持用一種更專用化、由應(yīng)用驅(qū)動(dòng)的方法開發(fā)神經(jīng)網(wǎng)絡(luò)硬件。
Yoo 介紹了一種專為自動(dòng)駕駛汽車設(shè)計(jì)的系統(tǒng)。它是為識(shí)別視野中對(duì)象的卷積網(wǎng)絡(luò)設(shè)計(jì)的，而且使用的是一種不同的算法——遞歸神經(jīng)網(wǎng)絡(luò)(recurrent neural network)。這里的「遞歸」是指系統(tǒng)的時(shí)間長短型記憶功能——它們擅長分析視頻、語音和其它隨時(shí)間變化的信息。Yoo 的研究小組希望開發(fā)一種能夠運(yùn)行遞歸神經(jīng)網(wǎng)絡(luò)的芯片，該網(wǎng)絡(luò)可用于追蹤運(yùn)動(dòng)目標(biāo)并預(yù)測其動(dòng)向，比如人行道上的行人將要進(jìn)入車道了嗎?這個(gè)功耗僅 330 mW 的系統(tǒng)可以同時(shí)預(yù)測 20 個(gè)目標(biāo)的動(dòng)向，而且?guī)缀跏菍?shí)時(shí)的——延遲僅有 1.24 毫秒。
Yoo 的系統(tǒng)和麻省理工的芯片之間的另一個(gè)不同點(diǎn)是 ，被Yoo稱為動(dòng)向預(yù)測處理器(Intention Prediction Processor)的硬件能在實(shí)際應(yīng)用時(shí)仍繼續(xù)學(xué)習(xí)。Yoo 的設(shè)計(jì)整合了被他稱為深度學(xué)習(xí)內(nèi)核(deep-learning core)的電路，該設(shè)計(jì)是為被添加到神經(jīng)網(wǎng)絡(luò)的訓(xùn)練而設(shè)計(jì)的。對(duì)于卷積神經(jīng)網(wǎng)絡(luò)而言，這樣的深度學(xué)習(xí)訓(xùn)練通常要在強(qiáng)大的計(jì)算機(jī)上完成。但 Yoo 說，使用的設(shè)備應(yīng)該適應(yīng)我們的生活，并且能在工作中學(xué)習(xí)。Yoo 說：「為所有事件進(jìn)行預(yù)編程是不可能的。真實(shí)的世界是多樣化的，很難預(yù)測?！?
2025-04-24 10:38
2025-04-24 10:30
2025-04-24 10:27
2025-04-23 10:17
2025-04-22 13:08
2025-04-22 13:07
2025-04-21 11:03
2025-04-21 11:03
2025-04-21 11:01
2025-04-21 11:00
