211service.com
Flygvapnet testar IBM:s hjärninspirerade chip som en flygtankspotter
Satelliter, flygplan och ett växande antal drönare – det amerikanska flygvapnet har många elektroniska ögon på himlen. Nu undersöker det om hjärninspirerade datorchips kan ge dessa system smartheten att göra saker som att automatiskt identifiera fordon som stridsvagnar eller luftvärnssystem.
Air Force Research Lab (AFRL) rapporterar goda resultat från att använda ett neuromorft chip tillverkat av IBM för att identifiera militära och civila fordon i radargenererade flygbilder. Det okonventionella chippet fick jobbet gjort ungefär lika exakt som en vanlig dator med hög effekt och använde mindre än en 20:edel av energin.
AFRL tilldelade IBM ett kontrakt värd 550 000 $ 2014 för att bli den första betalande kunden av sitt hjärninspirerade TrueNorth-chip. Den bearbetar data med hjälp av ett nätverk av en miljon element utformade för att efterlikna nervcellerna i en däggdjurshjärna, sammankopplade med 256 miljoner synapser.
Sådana chips skiljer sig mycket från de i befintliga datorer, och för vissa problem borde de vara mycket mer energieffektiva (se Thinking In Silicon ). Flygvapnet är intresserade eftersom det kan göra det möjligt att distribuera avancerad maskinseende, som vanligtvis kräver mycket datorkraft, på platser där resurser och utrymme är begränsat. Satelliter, flygplan på hög höjd, flygbaser som är beroende av generatorer och små drönare kan alla gynnas, säger AFRL:s främste elektronikingenjör Qing Wu. Flygvapnets uppdragsdomäner är luft, rymd och cyberrymden. [Alla är] väldigt känsliga för maktbegränsningar, säger han.
Wu har arrangerat tävlingar mellan TrueNorth och en kraftfull Nvidia-dator som heter Jetson TX-1, som kostar cirka 500 $ och är designad för att göra det lättare att distribuera kraftfull maskininlärningsteknik ombord på maskiner som bilar eller mobila robotar.
De konkurrerande datorerna använde olika implementeringar av neuralnätverksbaserad bildbehandlingsprogramvara för att försöka särskilja 10 klasser av militära och civila fordon representerade i en offentlig datauppsättning som kallas MSTAR . Exempel var ryska T-72 stridsvagnar, pansarvagnar och bulldozers. Båda systemen uppnådde cirka 95 procents noggrannhet, men IBM-chippet använde mellan en 20:e och en 30:e så mycket kraft.
IBM:s chip borde ha en effektivitetsfördel vid sådana uppgifter. Den konventionella datorn körde sitt neurala nätverksprogram på chips med hårdvara som kunde anses vara allmänt ändamål, avsedd att lösa alla slags problem. TrueNorth-chippens hårdvara är hårdkodad för att representera artificiella neurala nätverk, med en miljon fysiska neuroner anpassade för uppgiften.
En anledning till att arkitektur erbjuder bättre effektivitet är att chipets neuroner och synapser både lagrar och verkar på data, säger Wu. I ett konventionellt system som de på Jetson TX-1 är komponenterna som utför beräkningar separata från minnet. Det betyder att data måste överföras från minnet till processorn för att analyseras och sedan tillbaka till minnet för att lagras, vilket kräver tid och energi.
Massimiliano Versace, som leder Boston University Neuromorphics Lab och arbetade på en annan del av Pentagon-kontraktet som finansierade IBM:s arbete med TrueNorth, säger att resultaten är lovande. Men han noterar att IBM:s chip för närvarande kommer med kompromisser.
Det är mycket enklare att distribuera neurala nätverk på konventionella datorer, tack vare programvara som görs tillgänglig av Nvidia, Google och andra. Och IBM:s ovanliga chip är mycket dyrare. Användarvänlighet och pris är [de] två huvudfaktorer som ror mot specialiserade neuromorfa chips, säger Versace.
Wu säger att hårdvaran borde bli mycket billigare om IBM kan locka tillräckligt intresse för att öka produktionen. Företaget säger att det arbetar med att göra mjukvaruutveckling för plattformen enklare.