Являются ли ошибки будущим ИИ в Интернете вещей?

Исследователи изучают, как функции нервной системы конкретных насекомых напоминают функции, выполняемые детерминированной, вероятностной, энергозависимой и энергонезависимой памятью, и изучают, как эти функции могут быть воссозданы в высокопроизводительных, энергоэффективных наносистемах на основе кремния для ИИ. .

В одном уголке мира AI/ML NVIDIA делает все возможное, чтобы убедить всех, кто хочет окунуться в обучение, что ответом является более грубая сила. В другом CEA-Leti недавно объявила, что Элиза Вианелло, координатор программы Edge AI, получила грант в размере 3 млн евро от Европейского исследовательского совета (ERC) на разработку новых систем искусственного интеллекта Edge, вдохновленных нервной системой насекомых.

По словам Вианелло, одна из самых больших проблем, связанных с переносом ИИ непосредственно на устройства IoT, что позволило бы им принимать автономные решения на основе сравнения входных данных датчиков с обученными данными и деревьями решений, заключается в том, что современные архитектуры чипов тратят впустую до 90% своих ресурсов. общий расход энергии на перемещение данных, а не на их обработку.

См. также: Исследователи превзошли методы распознавания речи с помощью медоносных пчел

Из-за этих потерь устройства IoT либо ограничены в своих возможностях искусственного интеллекта, либо должны быть физически привязаны к стабильному источнику питания, что означает, что они не так гибки, как хотелось бы многим организациям. Вдвойне для одного предлагаемого приложения, имплантируемых медицинских диагностических микрочипов, которые в значительной степени зависят от доверия пользователя к надежности устройства.

В чем проблема, когда речь идет о небольших устройствах? Просто не существует памяти с высокой плотностью, высоким разрешением, энергонезависимой и бесконечно долговечной. Вианелло говорит, что многие отраслевые лаборатории и исследовательские центры пытались разработать архитектуры в памяти в наномасштабе, которые используют обработку в памяти, но результаты были в лучшем случае неоднозначными. DRAM, например, энергозависима, а это означает, что ее содержимое удаляется при отключении питания — вероятное явление во многих настройках IoT. Типы энергонезависимой памяти, такие как NVRAM, с годами значительно повысили надежность; они все еще не полностью безошибочны.

Вианелло и ее команда будут использовать грантовое финансирование для исследования того, насколько функции нервной системы определенных насекомых напоминают функции, выполняемые детерминированной, вероятностной, энергозависимой и энергонезависимой памятью, а затем исследовать, как их можно воссоздать в «высокопроизводительном, энергетическом -эффективные наносистемы на основе кремния». Вианелло говорит:«Сверчки принимают точные решения, основываясь на вялых, неточных и ненадежных нейронах и синапсах, чтобы убежать от своих хищников. Внимательно изучив их биологию, мы выявили множество функций, подобных памяти, которые действуют в их сенсорной и нервной системах. Комбинируя эти различные функции, внутренняя вычислительная система крикета обеспечивает потрясающую производительность и энергоэффективность».

Например, у сверчков есть несколько датчиков на теле, а также многочисленные локальные процессоры в брюшной полости, способные к непрерывному обучению и принятию решений без участия центрального мозга. Благодаря распределенной вычислительной системе решение принимается быстрее — без необходимости переносить данные из одного места в другое перед их обработкой.

Целью является гибридный синапс, который может интегрировать более одной технологии памяти в небольшом масштабе, удобном для Интернета вещей, что поможет устранить недостатки каждой системы и устранить, по крайней мере, часть мощности, затрачиваемой на передачу данных вместо их обработки с использованием ИИ. /ML-алгоритмы. Команда Вианелло надеется получить небольшие объемы зашумленных данных, таких как данные, снятые видеокамерами, радарами или устройствами ЭКГ, и обеспечить такие типы обучения, которые невозможны при использовании современной вычислительной архитектуры Интернета вещей.

Новые продукты, основанные на любых новых идеях команды Вианелло, скорее всего, появятся через много лет, и новые парадигмы приветствуются в быстро меняющемся мире IoT. Поскольку 46 % организаций наращивают внедрение 5G, существует несколько жизнеспособных стандартов для периферийных вычислений и все больше событийно-ориентированных архитектур, развертываемых на периферии, потребность в более быстром, более эффективном и микромасштабном IoT уже существует.