211service.com
Siliciumchips die zien, zullen uw smartphone briljant maken
Veel van de apparaten om ons heen zullen binnenkort krachtige nieuwe mogelijkheden krijgen om afbeeldingen en video te begrijpen, dankzij hardware die is ontworpen voor de machine learning-techniek die deep learning wordt genoemd.
Bedrijven zoals Google hebben doorbraken bereikt in beeld- en gezichtsherkenning door middel van deep learning, met behulp van gigantische datasets en krachtige computers (zie 10 Breakthrough Technologies 2013: Deep Learning). Nu zeggen twee toonaangevende chipbedrijven en de Chinese zoekgigant Baidu dat er hardware komt die de techniek naar telefoons, auto's en meer zal brengen.
Chipfabrikanten maken hun nieuwe functies doorgaans niet van tevoren bekend. Maar op een conferentie over computervisie Dinsdag, Synopsys , een bedrijf dat software en intellectueel eigendom in licentie geeft aan de grootste namen in het maken van chips, toonde een nieuwe beeldprocessorkern die is afgestemd op deep learning. Verwacht wordt dat het wordt toegevoegd aan chips die smartphones, camera's en auto's aandrijven. De kern zou ongeveer een vierkante millimeter ruimte innemen op een chip die is gemaakt met een van de meest gebruikte productietechnologieën.
Pierre Paulin, een directeur van R&D bij Synopsys, vertelde: MIT Technology Review dat het nieuwe processorontwerp deze zomer beschikbaar zal zijn voor de klanten van zijn bedrijf. Velen hebben grote interesse getoond in het bemachtigen van hardware om deep learning te helpen implementeren, zei hij.
Synopsys toonde een demo waarin het nieuwe ontwerp snelheidsborden herkent in beelden van een auto. Paulin presenteerde ook resultaten van het gebruik van de chip om een diepgaand lerend netwerk te runnen dat getraind is om gezichten te herkennen. Het bereikte niet de nauwkeurigheidsniveaus van de beste onderzoeksresultaten, die zijn bereikt op krachtige computers, maar het kwam redelijk in de buurt, zei hij. Voor toepassingen zoals videobewaking presteert het erg goed, zei hij. De gespecialiseerde kern gebruikt aanzienlijk minder stroom dan een conventionele chip nodig zou hebben om dezelfde taak uit te voeren.
De nieuwe kern kan een zekere mate van visuele intelligentie toevoegen aan veel soorten apparaten, van telefoons tot goedkope beveiligingscamera's. Het zou apparaten niet toestaan om zelf tienduizenden objecten te herkennen, maar Paulin zei dat ze er misschien wel tientallen zouden kunnen herkennen.
Dat kan leiden tot nieuwe soorten camera- of foto-apps. Paulin zei dat de technologie ook auto-, verkeers- en bewakingscamera's kan verbeteren. Een huisbeveiligingscamera kan bijvoorbeeld pas gegevens via internet gaan verzenden als een mens het frame betreedt. Je kunt mooiere dingen doen, zoals detecteren of iemand in de metro is gevallen, zei hij.
Jeff Gehlhaar, vice-president technologie bij Qualcomm Research, sprak tijdens het evenement over het werk van zijn bedrijf om deep learning te laten draaien op apps voor bestaande telefoonhardware. Hij weigerde te bespreken of het bedrijf van plan is om ondersteuning voor deep learning in zijn chips in te bouwen. Maar sprekend over de industrie in het algemeen, zei hij dat dergelijke chips zeker zullen komen. Het kunnen gebruiken van deep learning op mobiele chips zal van vitaal belang zijn om robots te helpen navigeren en communiceren met de wereld, zei hij, en voor inspanningen om autonome auto's te ontwikkelen.
Ik denk dat je aangepaste hardware zult zien ontstaan om deze problemen op te lossen, zei hij. Onze traditionele benaderingen van silicium zullen zonder gas komen te zitten, en we zullen onze mouwen moeten opstropen en dingen anders moeten doen. Gehlhaar gaf niet aan hoe snel dat zou kunnen zijn. Qualcomm heeft gezegd dat de komende generatie mobiele chips software zal bevatten die is ontworpen om diepgaand leren naar camera's en andere apps te brengen (zie Smartphones zullen binnenkort gezichten leren herkennen en meer).
Ren Wu, een onderzoeker bij het Chinese zoekbedrijf Baidu, zei ook dat chips die deep learning ondersteunen nodig zijn voor krachtige onderzoekscomputers in het dagelijks gebruik. Je moet die intelligentie overal, op elke plaats en op elk moment inzetten, zei hij.
Door dingen te kunnen doen zoals afbeeldingen op een apparaat analyseren zonder verbinding met internet te maken, kunnen apps sneller en energiezuiniger worden omdat het niet nodig is om gegevens heen en weer te sturen, zei Wu. Hij en Gehlhaar van Qualcomm zeiden allebei dat het intelligenter maken van mobiele apparaten de privacy-implicaties van sommige apps zou kunnen temperen door het volume aan persoonlijke gegevens, zoals foto's die vanaf een apparaat worden verzonden, te verminderen.
Je wilt dat de intelligentie de onbewerkte gegevens eruit filtert en alleen de belangrijke informatie, de metadata, naar de cloud stuurt, zei Wu.