Dlaczego chip, który jest zły w matematyce, może pomóc komputerom w rozwiązywaniu trudniejszych problemów

Twój nauczyciel matematyki cię okłamał. Czasami pomylenie kwot jest dobrą rzeczą.

Tak mówi Joseph Bates, współzałożyciel i dyrektor generalny Singular Computing, firmy, której chipy komputerowe są tak okablowane, że nie są w stanie poprawnie wykonywać obliczeń matematycznych. Poproś go o dodanie 1 i 1, a otrzymasz odpowiedzi typu 2,01 lub 1,98.

Agencja badawcza Pentagonu DARPA sfinansowała stworzenie chipa Singulara, ponieważ ta nieostrość może być atutem, jeśli chodzi o niektóre z najtrudniejszych problemów dla komputerów, takich jak nadawanie sensu wideo lub innym bałaganowi danych ze świata rzeczywistego. Tylko dlatego, że sprzęt jest do niczego, nie oznacza to, że wynik oprogramowania musi być, mówi Bates.

Mówi, że chip, który nie może zagwarantować, że każde obliczenie jest doskonałe, może nadal dawać dobre wyniki w wielu problemach, ale wymaga mniej obwodów i spala mniej energii.

Bates współpracował z Sandia National Lab, Carnegie Mellon University, Office of Naval Research i MIT nad testami, które wykorzystywały symulacje, aby pokazać, w jaki sposób niedokładne operacje układu S1 mogą zwiększyć wydajność niektórych skomplikowanych zadań obliczeniowych. Najlepiej pasują do problemów z danymi, które mają wbudowany szum ze świata rzeczywistego lub gdy potrzebne jest pewne przybliżenie. Bates donosi obiecujące wyniki w zastosowaniach takich jak obrazowanie radarowe w wysokiej rozdzielczości, wyodrębnianie informacji 3D ze zdjęć stereoskopowych oraz głębokie uczenie, technika, która zapewniła niedawny gwałtowny postęp w dziedzinie sztucznej inteligencji.

Ten układ nie może poprawnie wykonać obliczeń arytmetycznych, ale może sprawić, że komputery będą bardziej wydajne w trudnych problemach, takich jak analiza obrazów.

W symulowanym teście z wykorzystaniem oprogramowania śledzącego obiekty, takie jak samochody w wideo, podejście Singulara było w stanie przetwarzać klatki prawie 100 razy szybciej niż konwencjonalny procesor ograniczony do poprawnej matematyki — przy zużyciu mniej niż 2 procent energii.

Bates nie jest pierwszą osobą, która podążyła za pomysłem wykorzystania ręcznie falującego sprzętu do bardziej wydajnego przetwarzania danych, co jest pojęciem znanym jako obliczenia przybliżone (patrz 10 Breakthrough Technologies 2008: Probabilistic Chips ). Ale inwestycja DARPA w jego chip może sprawić, że rozmyte marzenie matematyczne stanie się największym jak dotąd wypróbowaniem.

Bates buduje partię komputerów podatnych na błędy, z których każdy łączy 16 jego chipów z jednym konwencjonalnym procesorem. DARPA dostanie pięć takich maszyn latem tego roku i planuje udostępnić je online dla naukowców rządowych i akademickich. Mamy nadzieję, że mogą udowodnić potencjał technologii i przyciągnąć zainteresowanie branży chipowej.

DARPA sfinansowała chip Singulara w ramach programu o nazwie Do góry, która ma na celu wynalezienie nowych, wydajniejszych sposobów przetwarzania materiału wideo. Drony wojskowe mogą gromadzić ogromne ilości wideo, ale nie zawsze można je pobrać podczas lotu, a moc komputera potrzebna do przetworzenia go w powietrzu byłaby zbyt duża.

Do wystartowania nieprecyzyjnego sprzętu potrzebne będą godne uwagi osiągnięcia w zakresie oprogramowania, a nawet inżynierii kulturowej. Nie jest łatwo programistom przyzwyczajonym do idei, że chipy są zawsze superprecyzyjne, aby dostosować się do tych, które nie są, mówi Christian Enzo , profesor w Szwajcarskim Federalnym Instytucie Technologii w Lozannie, który zbudował własne chipy do obliczeń przybliżonych. Potrzebne będą nowe narzędzia, które im w tym pomogą, mówi.

Ale Deb Roy, profesor w MIT Media Lab i główny naukowiec ds. mediów na Twitterze, twierdzi, że najnowsze trendy w informatyce sugerują, że przybliżone obliczenia mogą znaleźć liczniejszą publiczność niż kiedykolwiek. Mówi, że istnieje naturalny rezonans, jeśli przetwarzasz jakiekolwiek dane, które są z natury hałaśliwe. Dodaje, że staje się to coraz bardziej powszechne, ponieważ programiści starają się wyodrębnić informacje ze zdjęć i filmów lub sprawić, by maszyny nadawały sens światu i ludzkim zachowaniom.

ukryć