Key Takeaways
- Novo istraživanje naučnika MIT-a ukazuje na put do uklapanja neuronskih mreža u male uređaje.
- MCUNet omogućava duboko učenje na sistemima sa ograničenom procesorskom snagom i memorijom.
- Inovacija bi također mogla omogućiti pametnije, agilnije medicinske uređaje.
Pametni zvučnici i drugi uređaji koji čine Internet stvari (IoT) mogli bi jednog dana dobiti snagu neuronske mreže da radi više sa manje, kažu istraživači.
Novi sistem pod nazivom MCUNet omogućava dizajn sićušnih neuronskih mreža na IoT uređajima, čak i sa ograničenom memorijom i procesorskom snagom. Prema dokumentu naučnika MIT-a objavljenom na serveru za preprint Arxiv, tehnologija bi mogla donijeti nove mogućnosti pametnim uređajima uz uštedu energije i poboljšanje sigurnosti podataka.
Istraživanje je "jedna od onih briljantnih ideja koje izgledaju očigledno kada je čujete", rekao je John Suit, savjetnik tehničkog direktora u robotskoj kompaniji KODA, u intervjuu putem e-pošte. "To je elegantan pristup problemu. Ovo istraživanje je toliko značajno jer će na kraju omogućiti optimizaciju neuronskih mreža u realnom vremenu za bilo koji uređaj gdje resursi mogu biti poznati algoritmu."
Ovo zaista pokazuje da snaga ne mora biti vezana za veličinu..
Veliki proračuni na malim uređajima
IoT uređaji obično rade na kompjuterskim čipovima bez operativnog sistema, što otežava izvođenje zadataka prepoznavanja uzoraka poput dubokog učenja. Za intenzivniju analizu, IoT prikupljeni podaci se često obrađuju u oblaku, iako su podložni hakiranju.
Neuronske mreže mogu mnogo učiniti da poboljšaju sve veći broj IoT uređaja, ali veličina je bila problem.
"Da biste premjestili mreže u sam uređaj, što se pokazalo teškim, trebali biste pronaći način da optimizirate prostor za pretragu za razne mikrokontrolere", objasnio je Suit. "Standardni ili generički sistem ne bi funkcionisao zbog tolerancije resursa na IoT uređajima. Zamislite vrlo malu snagu, vrlo male procesore u smislu procesorske snage."
Tu počinje rad istraživača MIT-a.
"Kako da postavimo neuronske mreže direktno na ove male uređaje?" glavni autor studije, Ji Lin, dr. student na MIT-ovom odsjeku za elektrotehniku i računarstvo, navodi se u saopštenju za javnost. "To je nova istraživačka oblast koja postaje veoma vruća. Kompanije poput Googlea i ARM-a rade u ovom smjeru."
TinyEngine u pomoć
MIT grupa je dizajnirala dvije komponente neophodne za rad neuronskih mreža na mikrokontrolerima. Jedan dio je TinyEngine, koji je sličan operativnom sistemu, ali svodi kod na njegove osnove. Drugi je TinyNAS, algoritam pretraživanja neuronske arhitekture.
"Imamo puno mikrokontrolera koji dolaze s različitim kapacitetima snage i različitim veličinama memorije", rekao je Lin. "Zato smo razvili algoritam [TinyNAS] za optimizaciju prostora za pretragu za različite mikrokontrolere. Prilagođena priroda TinyNAS-a znači da može generirati kompaktne neuronske mreže sa najboljim mogućim performansama za dati mikrokontroler - bez nepotrebnih parametara. Tada isporučujemo konačnu, efikasan model za mikrokontroler."
To je elegantan pristup problemu.
Linov rad bi se mogao prevesti u izradu pametnijih, agilnijih medicinskih uređaja.
"Ovo zaista pokazuje da moć ne mora biti vezana za veličinu, a u bolnicama, gdje se sve brzo kreće u uskim prostorima, to može doslovno značiti razliku između života i smrti", Kevin Goodwin, Izvršni direktor EchoNous, kompanije koja proizvodi medicinske uređaje potpomognute umjetnom inteligencijom, rekao je u intervjuu e-poštom.
Goodwin je rekao da je njegov tim proveo godine u izgradnji i obučavanju neuronske mreže koja bi se potom mogla koristiti za mapiranje srčanih struktura u ultrazvučnom skeniranju u realnom vremenu - sve u ručnom uređaju zvanom KOSMOS koji teži ispod dva kilograma.
"Sada se doktori mogu lako kretati iz sobe u sobu i dobijati skeniranje dijagnostičkog kvaliteta uz AI navođenje", dodao je. "Oni ne moraju slati pacijente negdje drugdje na te pretrage ili gube kritično vrijeme dezinfikujući mašinerije zasnovane na kolicima."
MCUNet je uzbudljiv pogled na svijet u kojem mali uređaji mogu biti pametniji nego ikad. Kako broj IoT uređaja brzo raste, tražit ćemo sve od pametnih uređaja do medicinskih uređaja kako bismo imali vlastite neuronske mreže.
