科学家尝试将人工智能嵌入移动系统

基于神经网络的人工智能系统最近创造了多项佳绩:战胜人类围棋大师、创造品酒记录、迷幻艺术作品大奖,但若做到将这些异常复杂的高能耗系统用于现实并将其集成到便携式设备中并非易事,但据美国电气电子工程师学会《科技纵览》报道,美国麻省理工学院、英伟达和韩国科学技术院(KAIST)的研究团队在2016年2月旧金山召开的IEEE国际固态电路会议上展示的几种低能耗芯片原型拉近了这一目标,这些芯片的设计用途是运行人工神经网络,为智能手机识别所见的事物提供线索,并能让自动驾驶汽车预测行人的动向。

到目前为止,若想在智能手机、小型机器人、无人机等主要依赖人工智能的移动设备上运行与人脑细胞网络相似的神经网络学习系统需要耗用大量电能。这些新开发的移动智能芯片还可以提高自动驾驶汽车的智能水平,并且不会耗尽汽车的电池或降低燃油经济性。

智能手机处理器不久将能够运行一些具有强大功能的神经网络软件,美国高通公司向手机制造商提供的新一代智能手机处理器Snapdragon带有一个软件开发工具包,可利用神经网络实现图像自动标记。这一基于软件的方法具有里程碑意义,但存在局限性:首先,手机的应用程序不能自主学习新事物,而只能借助更强大的计算机学习而习得。神经网络专家认为,如果这些应用程序能够将神经网络友好型功能集成到电路本身中去,则有望实现更复杂的功能。

麻省理工学院教授Vivienne Sze认为,神经网络越大,计算层越多,运行时需要的电量就越大,无论对于何种应用程序,主要的耗电过程都在于处理器与内存之间的数据传输,这是图像分析所采用的卷积神经网络存在的一个突出问题。

对于人脑而言,对记忆的内容进行联想这一能力是自然形成的,一个3岁的小孩可以轻而易举地告诉你照片中有一只猫躺在床上。卷积神经网络还可对一张图像中的所有物体进行标记。首先,AlexNet等图片识别系统会发现照片中物体的边缘,然后开始逐一识别:猫、床、毯子,最终推断出图片显示的是一个室内场景。然而,即使是如此简单的标记过程也需要耗用大量电能。

Vivienne Sze认为,神经网络尤其是用于图像分析的神经网络通常是在图形处理器(GPU)上运行,高通公司开发的Snapdragon就是利用这一点实现了其场景探测功能,目前已有专门用于图像处理的GPU,但仍需继续研究如何使神经网络的运行更节能。

Vivienne Sze教授与英伟达的高级研究科学家Joel Emer共同开发了Eyeriss芯片,这是首选用于运行最先进的卷积神经网络的定制芯片,该芯片可运行AlexNet这种要求特别高的算法,其能耗不到传统移动GPU的十分之一:传统芯片的能耗为5-10瓦,而Eyeriss只需0.3瓦。

这种芯片的每个168处理引擎旁边都装有一个专用内存条,能节约能耗。该芯片会尽量避免从一个容量更大的一级内存条中获取数据。Eyeriss还可对传送的数据进行压缩并利用统计技巧跳过GPU通常会执行的某些步骤。

韩国科学技术院教授Lee-Sup Kim称,这些用于神经网络驱动的图像分析的电路还可用于机场面部识别系统和机器人导航,在这次会议上,Kim的实验室展示了一款专为物联网的通用视觉处理器而设计的芯片。和Eyeriss一样,韩国科学技术院的这个设计通过将内存和处理器更紧密地结合到一起最大限度减少了数据传输。其能耗仅为45毫瓦,但其所运行的网络并不如Eyeriss运行的网络那样复杂。它通过限制数据传输和减轻计算负载两种手段实现节能。Kim领导的研究团队观察发现,一次关键计算使用的99%的数字只需要8个比特就能完成传输,因此他们可以限制用于此计算的资源。

Sze、Emer和Kim正在努力开发用于图像分析的通用型神经网络芯片——一种NNPU。另一位韩国科学技术院教授、系统设计创新与应用研究中心负责人Hoi-Jun Yoo支持采用一种更加专用化、由应用驱动的方法开发神经网络硬件。

Yoo介绍了一种专为自动驾驶汽车设计的系统。它是为识别视野中对象的卷积网络设计的,其采用的是另一种算法:递归神经网络。这里的“递归”是指系统的时间记忆功能,这些功能的作用是分析视频、语音和其它随时间变化的信息。Yoo的研究团队希望开发出一种能够运行递归神经网络的芯片,该网络可用于追踪运动目标并预测其动向,比如人行道上的行人是否会进入车道?这个功耗仅330毫瓦的系统可以同时预测20个目标的动向,并且几乎是实时的,延迟仅有1.24毫秒。

Yoo所在团队开发的这一系统与麻省理工学员研发的芯片之间的另一个不同点在于它所采用的被Yoo称为“动向预测处理器(Intention Prediction Processor)”的硬件能在实际应用时仍继续学习。Yoo的设计整合了“深度学习内核(deep-learning core)”电路,该电路的设计是为了集成到神经网络的学习过程。对于卷积神经网络而言,这样的深度学习训练通常要在高级的计算机上完成,但Yoo认为,设备应该适应人类的生活,并能在工作中不断学习,为所有事件进行预编程是不可能的,现实世界是多样化的,几乎不可能预测。

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2016-06-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

沈浩:通过大数据感知社会

4029
来自专栏大数据文摘

为何机器学习识别声音还做不到像识别图片那么容易?

1464
来自专栏新智元

【详解】FPGA:深度学习的未来?

摘要 最近几年数据量和可访问性的迅速增长,使得人工智能的算法设计理念发生了转变。人工建立算法的做法被计算机从大量数据中自动习得可组合系统的能力所取代,使得计算机...

4056
来自专栏数据科学与人工智能

【数据分析】互联网和金融,在数据挖掘上究竟存在什么区别?

一、数据挖掘的层次 一直想整理下对数据挖掘不同层次的理解,这也是这两年多的时间里面,和很多金融领域、互联网做数据相关工作的小伙伴,聊天交流的一些整理和归纳。大概...

2098
来自专栏ATYUN订阅号

【业界】MIT新研发的芯片将神经网络功耗降低95%

近日,麻省理工学院(MIT)的工程师们设计了一种芯片,这种芯片能将神经网络计算的速度提高3到7倍,同时还能将耗电量降低94-95%。这大大减少了在芯片存储器和处...

2696
来自专栏计算机视觉战队

基于心理学和数据驱动的方法进行游戏《LOL&王者荣耀》事件检测与亮点事件预

最近几年人工智能已经得到了所有业界人士的关注,也得到了国家政府的大力支持,在这样美好的环境中,我们应该把重心放在创新,怎么利用现有的知识去创新的算法、框架、模型...

3236
来自专栏人工智能头条

搜索,大促场景下智能化演进之路

1694
来自专栏小怪聊职场

致职场新人:我初入职场曾多次吐槽公司技术烂

26014
来自专栏吉浦迅科技

Amazon进军AI主战场,力争AI大饼

Amazon在AWS re:Invent大会宣布推出3项云端AI服务,将Amazon内部采用的机器学习与深度学习技术,以云端服务的型式提供给所有非机器学习专家的...

3118
来自专栏CDA数据分析师

疯狂树懒变身超级阿尔法狗,数据分析师必学四大精髓

? 作为一个数据分析人员,有没有经常被业务人员抱怨报表出的太慢、被工程师嫌弃埋点沟通不精准、甚至被老板怀疑并没有创造什么商业价值……. 好好学习这四步分...

1898

扫描关注云+社区