211service.com
Waarom een chip die slecht is in wiskunde, computers kan helpen om moeilijkere problemen aan te pakken
Je wiskundeleraar heeft tegen je gelogen. Soms is het goed om je sommen verkeerd te hebben.
Dat zegt Joseph Bates, medeoprichter en CEO van Singular Computing, een bedrijf waarvan de computerchips zodanig zijn bedraad dat ze niet in staat zijn om wiskundige berekeningen correct uit te voeren. Vraag het om 1 en 1 toe te voegen en je krijgt antwoorden als 2.01 of 1.98.
Het Pentagon-onderzoeksbureau DARPA financierde de creatie van de Singular-chip omdat die vaagheid een voordeel kan zijn als het gaat om enkele van de moeilijkste problemen voor computers, zoals het begrijpen van video of andere rommelige real-world gegevens. Alleen omdat de hardware waardeloos is, wil nog niet zeggen dat het resultaat van de software dat moet zijn, zegt Bates.
Een chip die niet kan garanderen dat elke berekening perfect is, kan nog steeds goede resultaten behalen op veel problemen, maar heeft minder circuits nodig en verbruikt minder energie, zegt hij.
Bates heeft met Sandia National Lab, Carnegie Mellon University, het Office of Naval Research en MIT gewerkt aan tests die simulaties gebruikten om te laten zien hoe de onnauwkeurige operaties van de S1-chip bepaalde lastige computertaken efficiënter kunnen maken. Problemen met gegevens die worden geleverd met ingebouwde ruis uit de echte wereld, of waarbij enige benadering nodig is, passen het beste. Bates rapporteert veelbelovende resultaten voor toepassingen zoals radarbeeldvorming met hoge resolutie, het extraheren van 3D-informatie uit stereofoto's en diepgaand leren, een techniek die een recente uitbarsting van vooruitgang in kunstmatige intelligentie heeft opgeleverd.
Deze chip kan niet goed rekenen, maar kan computers efficiënter maken bij lastige problemen zoals het analyseren van afbeeldingen.
In een gesimuleerde test met software die objecten zoals auto's in video volgt, was de aanpak van Singular in staat om frames bijna 100 keer sneller te verwerken dan een conventionele processor die zich beperkt tot het uitvoeren van correcte wiskunde, terwijl hij minder dan 2 procent zoveel stroom verbruikte.
Bates is niet de eerste die het idee nastreeft om met de hand golvende hardware te gebruiken om gegevens efficiënter te verwerken, een begrip dat bekend staat als benaderend computergebruik (zie 10 Breakthrough Technologies 2008: Probabilistic Chips). Maar de investering van DARPA in zijn chip zou de vage wiskundedroom zijn grootste try-out tot nu toe kunnen geven.
Bates bouwt een serie foutgevoelige computers die elk 16 van zijn chips combineren met een enkele conventionele processor. DARPA zal ergens deze zomer vijf van dergelijke machines krijgen en is van plan ze online te zetten zodat overheids- en academische onderzoekers er mee kunnen spelen. De hoop is dat ze het potentieel van de technologie kunnen bewijzen en de interesse van de chipindustrie kunnen wekken.
DARPA financierde de chip van Singular als onderdeel van een programma genaamd ondersteboven, dat is gericht op het bedenken van nieuwe, efficiëntere manieren om videobeelden te verwerken. Militaire drones kunnen enorme hoeveelheden video verzamelen, maar deze kunnen niet altijd worden gedownload tijdens de vlucht, en de computerkracht die nodig is om deze in de lucht te verwerken, zou te omvangrijk zijn.
Er zijn opmerkelijke prestaties op het gebied van software en zelfs culturele engineering nodig om onnauwkeurige hardware van de grond te krijgen. Het is niet gemakkelijk voor programmeurs die gewend zijn aan het idee dat chips altijd supernauwkeurig zijn om aan te passen aan chips die dat niet zijn, zegt Christian Enz , een professor aan het Zwitserse Federale Instituut voor Technologie in Lausanne die zijn eigen geschatte computerchips heeft gebouwd. Er zijn nieuwe tools nodig om hen daarbij te helpen, zegt hij.
Maar Deb Roy, een professor aan het MIT Media Lab en de belangrijkste mediawetenschapper van Twitter, zegt dat recente trends op het gebied van informatica suggereren dat benaderend computergebruik een beter publiek dan ooit zal vinden. Er is een natuurlijke resonantie als je gegevens verwerkt die van nature luidruchtig zijn, zegt hij. Dat komt steeds vaker voor omdat programmeurs informatie uit foto's en video willen halen of machines de wereld en menselijk gedrag willen laten begrijpen, voegt hij eraan toe.