Siły Powietrzne testują inspirowany mózgiem chip IBM jako tropiciel czołgów powietrznych

Satelity, samoloty i rosnąca liczba dronów — Siły Powietrzne USA mają na niebie mnóstwo elektronicznych oczu. Teraz bada, czy chipy komputerowe inspirowane mózgiem mogą dać tym systemom spryt do takich rzeczy, jak automatyczna identyfikacja pojazdów, takich jak czołgi lub systemy przeciwlotnicze.

Laboratorium Badawcze Sił Powietrznych (AFRL) donosi o dobrych wynikach wykorzystania neuromorficznego chipa wyprodukowanego przez IBM do identyfikacji pojazdów wojskowych i cywilnych na zdjęciach lotniczych generowanych przez radar. Niekonwencjonalny chip wykonał swoje zadanie tak dokładnie, jak zwykły komputer o dużej mocy, zużywając mniej niż jedną dwudziestą energii.

AFRL przyznała IBM kontrakt o wartości 550 000 $ w 2014 roku, aby stać się pierwszym płatnym klientem swojego inspirowanego mózgiem chipa TrueNorth. Przetwarza dane za pomocą sieci miliona elementów zaprojektowanych do naśladowania neuronów mózgu ssaków, połączonych 256 milionami synaps.

Takie układy bardzo różnią się od tych w istniejących komputerach, a w przypadku niektórych problemów powinny być znacznie bardziej energooszczędne (patrz Thinking In Silicon ). Siły Powietrzne są zainteresowane, ponieważ może to umożliwić wdrożenie zaawansowanego widzenia maszynowego, które zwykle wymaga dużej mocy obliczeniowej, w miejscach o ograniczonych zasobach i przestrzeni. Satelity, samoloty na dużych wysokościach, bazy powietrzne oparte na generatorach i małe drony mogą na tym skorzystać, mówi główny inżynier elektronik AFRL, Qing Wu. Domeny misji Sił Powietrznych to powietrze, przestrzeń kosmiczna i cyberprzestrzeń. [Wszyscy są] bardzo wrażliwi na ograniczenia mocy, mówi.

Wu organizuje konkursy między TrueNorth a wydajnym komputerem Nvidii o nazwie Jetson TX-1, który kosztuje około 500 USD i został zaprojektowany, aby ułatwić wdrażanie zaawansowanej technologii uczenia maszynowego na pokładach maszyn, takich jak samochody czy roboty mobilne.

Konkurujące komputery wykorzystywały różne implementacje oprogramowania do przetwarzania obrazu opartego na sieciach neuronowych, aby spróbować rozróżnić 10 klas pojazdów wojskowych i cywilnych reprezentowanych w publiczny zbiór danych o nazwie MSTAR . Przykładami były rosyjskie czołgi T-72, transportery opancerzone i buldożery. Oba systemy osiągnęły około 95 procent dokładności, ale chip IBM zużywał od 20 do 30 procent mocy.

Chip IBM powinien mieć przewagę wydajności w takich zadaniach. Konwencjonalny komputer uruchamiał swoje oprogramowanie sieci neuronowej na chipach ze sprzętem, który można uznać za ogólnego przeznaczenia, przeznaczonym do rozwiązywania wszelkiego rodzaju problemów. Sprzęt chipa TrueNorth jest na stałe zakodowany, aby reprezentować sztuczne sieci neuronowe, z milionem fizycznych neuronów dostosowanych do zadania.

Jednym z powodów, dla których architektura zapewnia lepszą wydajność, jest to, że neurony i synapsy układu przechowują i operują na danych, mówi Wu. W konwencjonalnym systemie, takim jak w Jetson TX-1, komponenty wykonujące obliczenia są oddzielone od pamięci. Oznacza to, że dane muszą być przesyłane z pamięci do procesora w celu analizy, a następnie z powrotem do pamięci w celu ich przechowywania, co pochłania czas i energię.

Massimiliano Versace, który kieruje Laboratorium Neuromorficznym Uniwersytetu w Bostonie i pracował nad kolejną częścią kontraktu z Pentagonem, który sfinansował prace IBM nad TrueNorth, mówi, że wyniki są obiecujące. Zauważa jednak, że chip IBM ma obecnie kompromisy.

Znacznie łatwiej jest wdrażać sieci neuronowe na konwencjonalnych komputerach, dzięki oprogramowaniu udostępnionemu przez Nvidię, Google i inne. A niezwykły chip IBM jest znacznie droższy. Łatwość użycia i cena to dwa główne czynniki, które przeciwstawiają się wyspecjalizowanym chipom neuromorficznym, mówi Versace.

Wu mówi, że sprzęt powinien stać się znacznie tańszy, jeśli IBM będzie w stanie przyciągnąć wystarczające zainteresowanie, aby zwiększyć produkcję. Firma twierdzi, że pracuje nad ułatwieniem tworzenia oprogramowania dla platformy.

ukryć