Ключови изводи
- Нови изследвания на учени от Масачузетския технологичен институт сочат пътя за монтиране на невронни мрежи в малки устройства.
- MCUNet позволява дълбоко обучение на системи с ограничена процесорна мощност и памет.
- Иновацията може също така да позволи по-интелигентни, по-гъвкави медицински устройства.
Интелигентните високоговорители и други устройства, които съставляват Интернет на нещата (IoT), могат един ден да получат силата на невронната мрежа да прави повече с по-малко, казват изследователите.
Нова система, наречена MCUNet, позволява проектиране на малки невронни мрежи на IoT устройства, дори с ограничена памет и процесорна мощност. Според доклад на учени от Масачузетския технологичен институт, публикуван на предпечатния сървър Arxiv, технологията може да донесе нови възможности на смарт устройства, като същевременно пести енергия и подобрява сигурността на данните.
Изследването „е една от онези брилянтни идеи, които изглеждат очевидни, когато ги чуете“, каза Джон Суит, съветник на техническия директор в компанията за роботика KODA, в интервю по имейл. „Това е елегантен подход към проблема. Това изследване е толкова важно, защото в крайна сметка те ще позволят оптимизиране в реално време на невронни мрежи за всяко устройство, където ресурсите могат да бъдат известни на алгоритъма.“
Това наистина показва, че мощността не трябва да бъде обвързана с размера..
Големи изчисления на малки устройства
IoT устройствата обикновено работят на компютърни чипове без операционна система, което затруднява изпълнението на задачи за разпознаване на образи като дълбоко обучение. За по-интензивен анализ данните, събрани от IoT, често се обработват в облака, въпреки че са уязвими за хакерство.
Има много неща, които невронните мрежи могат да направят, за да подобрят нарастващия брой IoT устройства, но размерът е проблем.
"За да преместите мрежите надолу в самото устройство, което се оказа трудно, ще трябва да намерите начин да оптимизирате пространството за търсене на различни микроконтролери", обясни Суит. „Стандартна или обща система не би работила поради толеранса на ресурсите на IoT устройствата. Помислете за много ниска мощност, много малки процесори по отношение на мощността на обработка.“
Тук идва работата на изследователите от MIT.
"Как да разположим невронни мрежи директно на тези малки устройства?" водещият автор на изследването Джи Лин, доктор по философия. студент в катедрата по електротехника и компютърни науки на MIT, се казва в съобщение за новини. „Това е нова изследователска област, която става много гореща. Компании като Google и ARM работят в тази посока."
TinyEngine на помощ
Групата MIT проектира два компонента, необходими за работата на невронни мрежи на микроконтролери. Едната част е TinyEngine, която е подобна на операционна система, но премахва кода до най-важното. Друг е TinyNAS, алгоритъм за търсене на невронна архитектура.
"Имаме много микроконтролери, които идват с различни мощности и различни размери на паметта", каза Лин. „Така че ние разработихме алгоритъма [TinyNAS], за да оптимизираме пространството за търсене на различни микроконтролери. Персонализираният характер на TinyNAS означава, че може да генерира компактни невронни мрежи с възможно най-добрата производителност за даден микроконтролер – без ненужни параметри. След това доставяме окончателния, ефективен модел към микроконтролера."
Това е елегантен подход към проблема.
Работата на Лин може да доведе до създаване на по-интелигентни и по-гъвкави медицински устройства.
"Това наистина показва, че мощността не трябва да бъде обвързана с размера, а в болниците, където всичко се движи бързо в тесни пространства, това буквално може да означава разликата между живота и смъртта", Кевин Гудуин, Главният изпълнителен директор на EchoNous, компания, която произвежда медицински устройства, подпомагани от AI, каза в интервю по имейл.
Гудуин каза, че екипът му е прекарал години в изграждане и обучение на невронна мрежа, която след това може да се използва за картографиране на сърдечни структури в ултразвуково сканиране в реално време - всичко това в ръчно устройство, наречено KOSMOS, което тежи под два килограма.йени
"Сега лекарите могат лесно да се придвижват от стая в стая, като получават сканиране с диагностично качество с насоки от AI", добави той. „Не се налага да изпращат пациенти другаде за тези сканирания или да губят критично време за дезинфекция на машини, базирани на колички.“
MCUNet е вълнуващ поглед към свят, в който малките джаджи могат да бъдат по-умни от всякога. Тъй като броят на IoT устройствата нараства бързо, ние ще търсим всичко - от интелигентни уреди до медицински устройства, които да имат свои собствени невронни мрежи.
