Հիմնական տանողներ
- MIT-ի գիտնականների նոր հետազոտությունը ցույց է տալիս նեյրոնային ցանցերը փոքրիկ սարքերում տեղադրելու ճանապարհը:
- MCUNet-ը թույլ է տալիս խորը ուսուցում սահմանափակ մշակման հզորությամբ և հիշողությամբ համակարգերում:
- Նորամուծությունը կարող է նաև թույլ տալ ավելի խելացի, ավելի արագաշարժ բժշկական սարքեր:
Խելացի բարձրախոսները և այլ սարքերը, որոնք կազմում են իրերի ինտերնետը (IoT) կարող են մի օր ստանալ նեյրոնային ցանցի հզորությունը՝ ավելին անելով ավելի քիչ, ասում են հետազոտողները:
Նոր համակարգը, որը կոչվում է MCUNet, թույլ է տալիս նախագծել փոքրիկ նեյրոնային ցանցեր IoT սարքերում, նույնիսկ սահմանափակ հիշողության և մշակման հզորությամբ:Համաձայն MIT-ի գիտնականների՝ Arxiv նախատպման սերվերում հրապարակված հոդվածի, տեխնոլոգիան կարող է նոր հնարավորություններ բերել խելացի սարքերին՝ միաժամանակ խնայելով էներգիան և բարելավելով տվյալների անվտանգությունը:
Հետազոտությունը «այն փայլուն գաղափարներից մեկն է, որն ակնհայտ է թվում, երբ լսում ես այն», - ասել է Ջոն Սյուիթը, որը խորհրդատու է KODA ռոբոտաշինության ընկերության CTO-ին, էլեկտրոնային փոստով տված հարցազրույցում: «Դա էլեգանտ մոտեցում է խնդրին: Այս հետազոտությունն այնքան կարևոր է, քանի որ, ի վերջո, դրանք թույլ կտան իրական ժամանակում նեյրոնային ցանցերի օպտիմիզացումը ցանկացած սարքի համար, որտեղ ռեսուրսները կարող են հայտնի լինել ալգորիթմին»::
Այն, ինչ սա իրականում ցույց է տալիս, այն է, որ իշխանությունը պետք չէ կապված լինել չափի հետ..
Մեծ հաշվարկներ փոքր սարքերում
IoT սարքերը սովորաբար աշխատում են առանց օպերացիոն համակարգով համակարգչային չիպերի վրա, ինչը դժվարացնում է օրինաչափությունների ճանաչման առաջադրանքները, ինչպիսիք են խորը ուսուցումը: Ավելի ինտենսիվ վերլուծության համար IoT-ով հավաքված տվյալները հաճախ մշակվում են ամպի մեջ, թեև դրանք խոցելի են հակերության համար:
Նյարդային ցանցերը շատ բան կարող են անել՝ ավելացնելու համար IoT սարքերի աճող թիվը, սակայն չափը խնդիր է:
«Ցանցերն իրենք իրենց սարքի մեջ տեղափոխելու համար, ինչն ապացուցել է, որ դժվար է, դուք պետք է գտնեք միջոց՝ օպտիմալացնելու որոնման տարածքը մի շարք միկրոկառավարիչների համար», - բացատրում է Suit-ը: «Ստանդարտ կամ ընդհանուր համակարգը չի աշխատի IoT սարքերի ռեսուրսների հանդուրժողականության պատճառով: Մտածեք շատ ցածր էներգիայի, շատ փոքր պրոցեսորների վերամշակման հզորության առումով»:
Ահա թե որտեղ է հայտնվում MIT-ի հետազոտողների աշխատանքը:
«Ինչպե՞ս ենք մենք նեյրոնային ցանցեր տեղակայում անմիջապես այս փոքրիկ սարքերի վրա»: Հետազոտության առաջատար հեղինակ Ջի Լին, բ.գ.թ. MIT-ի էլեկտրատեխնիկայի և համակարգչային գիտության բաժնի ուսանողը, ասվում է մամուլի հաղորդագրության մեջ: «Սա նոր հետազոտական ոլորտ է, որը շատ թեժ է դառնում: Google-ի և ARM-ի նման ընկերությունները բոլորն աշխատում են այս ուղղությամբ:«
Tiny Engine to the Rescue
MIT խումբը նախագծել է երկու բաղադրիչ, որոնք անհրաժեշտ են միկրոկառավարիչների վրա նեյրոնային ցանցերի շահագործման համար: Մի մասը TinyEngine-ն է, որը նման է օպերացիոն համակարգին, բայց ծածկագրում է ծածկագիրը մինչև դրա կարևորությունը: Մյուսը TinyNAS-ն է՝ նյարդային ճարտարապետության որոնման ալգորիթմ:
«Մենք ունենք բազմաթիվ միկրոկառավարիչներ, որոնք գալիս են տարբեր էներգիայի հզորություններով և տարբեր հիշողության չափերով», - ասաց Լինը: «Այսպիսով, մենք մշակեցինք ալգորիթմը [TinyNAS]՝ օպտիմալացնելու որոնման տարածքը տարբեր միկրոկառավարիչների համար: TinyNAS-ի հարմարեցված բնույթը նշանակում է, որ այն կարող է ստեղծել կոմպակտ նեյրոնային ցանցեր՝ տվյալ միկրոկարգավորիչի համար հնարավոր լավագույն գործունակությամբ՝ առանց ավելորդ պարամետրերի: Այնուհետև մենք տրամադրում ենք վերջնական տարբերակը:, արդյունավետ մոդել միկրոկոնտրոլերի համար։"
Դա էլեգանտ մոտեցում է խնդրին:
Լինի աշխատանքը կարող է թարգմանվել որպես ավելի խելացի և ճկուն բժշկական սարքեր:
«Սա իրականում ցույց է տալիս, որ իշխանությունը պետք չէ կապված լինել չափի հետ, և հիվանդանոցներում, որտեղ ամեն ինչ արագ է շարժվում նեղ վայրերում, դա կարող է բառացիորեն նշանակել կյանքի և մահվան տարբերությունը», - Քևին Գուդվին, EchoNous ընկերության գործադիր տնօրենը, որը արտադրում է AI-ի օգնությամբ բժշկական սարքեր, ասել է էլեկտրոնային հարցազրույցում:
Գուդվինն ասաց, որ իր թիմը տարիներ է ծախսել նեյրոնային ցանցի կառուցման և վերապատրաստման համար, որն այնուհետև կարող է օգտագործվել սրտի կառուցվածքների քարտեզագրման համար իրական ժամանակի ուլտրաձայնային սկանավորման միջոցով, ամբողջը KOSMOS կոչվող ձեռքի սարքում, որը կշռում է մինչև երկու ֆունտ::
«Այժմ բժիշկները կարող են հեշտությամբ տեղափոխվել սենյակից սենյակ՝ ստանալով ախտորոշիչ որակի սկանավորում՝ AI ցուցումով», - ավելացրեց նա: «Նրանք ստիպված չեն հիվանդներին ուղարկել այլուր այդ սկանավորման համար կամ կորցնել կրիտիկական ժամանակ՝ ախտահանելու սայլի վրա հիմնված մեքենաները»:
MCUNet-ը հուզիչ տեսք է մի աշխարհի, որտեղ փոքր գաջեթները կարող են ավելի խելացի լինել, քան երբևէ: Քանի որ IoT սարքերի թիվը արագորեն աճում է, մենք կփնտրենք ամեն ինչ՝ սկսած խելացի սարքերից մինչև բժշկական սարքեր, որպեսզի ունենանք իրենց սեփական նեյրոնային ցանցերը:
