В МТИ представили процессор для глубинного обучения |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2016-03-09 16:36 В отличие от Facebook смартфон не может распознать вас на фотографии и снабдить селфи соответствующим тегом. Но новый чип, созданный в Массачусетском технологическом институте, способен исправить такое положение дел. Прототип чипа Eyeriss, оснащенный 168 ядрами, при обращении к памяти может мгновенно распознавать лица, объекты и даже звуки. Процессор предназначен для использования в смартфонах, самодвижущихся автомобилях, роботах, дронах и других устройствах. Eyeriss относится к числу устройств, которые решают большинство задач без вмешательства человека. Чипы для мобильных устройств, выпускаемые Qualcomm, позволяют изучать поведение пользователя и в дальнейшем прогнозировать его действия. Компания Nvidia предлагает для автомобилей компьютер на основе процессора Tegra, умеющий распознавать сигналы светофора и дорожные знаки. Системы глубинного обучения Microsoft, Facebook и Google показывают, что компьютеры вполне можно научить распознавать изображения, лица и звуки. Глубинное обучение - это раздел машинного обучения, алгоритмы которого помогают устанавливать связи между данными и классифицировать их. Системы глубинного обучения требуют обычно построения сложных нейронных сетей и наличия мощных вычислительных ресурсов, которые объединяют тысячи серверов, оснащенных высокопроизводительными графическими процессорами. Исследователи из МТИ утверждают, что их чипы абсолютно нетребовательны к ресурсам и потребляют в 10 раз меньше электроэнергии по сравнению с мобильными графическими процессорами. Их можно использовать в носимых устройствах, смартфонах и роботах, работающих от батареи. В процессоре Eyeriss реализованы функции искусственного интеллекта, благодаря которым большая часть обработки происходит непосредственно внутри устройства. Подключаться к сети Wi-Fi и устанавливать сотовые соединения с облачными сервисами или серверами при распознавании изображений и объектов не потребуется. В январе компания Nvidia продемонстрировала на международной выставке потребительской электроники CES в Лас-Вегасе самодвижущиеся автомобили, которые получают от серверов данные, помогающие им выявлять препятствия и другие объекты на дороге. Автомобили, оснащенные чипом МТИ, будут иметь встроенные функции распознавания, что позволит применять их в отдаленных районах, где сотовая связь недоступна. В отличие от централизованной памяти для центральных и графических процессоров, используемой в сегодняшних системах глубинного обучения, каждое ядро Eyeriss обращается к собственному банку памяти. Продолжительность обработки чип пытается сократить за счет эффективного распределения выполняемых задач между 168 ядрами. Схема адаптируется к различным типам нейронных сетей, а использование алгоритмов сжатия помогает увеличить пропускную способность. Способность чипа распознавать изображения была продемонстрирована на конференции International Solid-State Circuits Conference в Сан-Франциско. Появятся ли новые чипы в реальных устройствах, пока неизвестно. В настоящее время, помимо Intel и Qualcomm, функциями искусственного интеллекта пытаются оснащать свои процессоры для мобильных устройств и другие производители (в частности, компания Movidius). Источник: www.osp.ru Комментарии: |
|