211service.com
Varför ett chip som är dåligt i matematik kan hjälpa datorer att hantera svårare problem
Din mattelärare ljög för dig. Ibland är det bra att få dina summor fel.
Så säger Joseph Bates, medgrundare och VD för Singular Computing, ett företag vars datorchips är fastanslutna för att vara oförmögna att utföra matematiska beräkningar korrekt. Be den att lägga till 1 och 1 så får du svar som 2.01 eller 1.98.
Pentagons forskningsbyrå DARPA finansierade skapandet av Singulars chip eftersom den otydligheten kan vara en tillgång när det kommer till några av de svåraste problemen för datorer, som att förstå video eller annan rörig verklig data. Bara för att hårdvaran är dålig betyder det inte att programvarans resultat måste vara det, säger Bates.
Ett chip som inte kan garantera att varje beräkning är perfekt kan fortfarande få bra resultat på många problem men behöver färre kretsar och förbränner mindre energi, säger han.
Bates har arbetat med Sandia National Lab, Carnegie Mellon University, Office of Naval Research och MIT på tester som använde simuleringar för att visa hur S1-chippens inexakta operationer kan göra vissa knepiga datoruppgifter mer effektiva. Problem med data som kommer med inbyggt brus från den verkliga världen, eller där någon uppskattning behövs, passar bäst. Bates rapporterar lovande resultat för applikationer som högupplöst radaravbildning, extrahering av 3D-information från stereofoton och djupinlärning, en teknik som nyligen har levererat en explosion av framsteg inom artificiell intelligens.
Detta chip kan inte få sin aritmetik rätt, men kan göra datorer mer effektiva vid knepiga problem som att analysera bilder.
I ett simulerat test med programvara som spårar objekt som bilar i video, kunde Singulars tillvägagångssätt bearbeta bildrutor nästan 100 gånger snabbare än en konventionell processor begränsad till att göra korrekt matematik – samtidigt som den använde mindre än 2 procent så mycket kraft.
Bates är inte den första som ägnar sig åt idén att använda handvågig hårdvara för att bryta data mer effektivt, ett begrepp som kallas ungefärlig beräkning (se 10 Breakthrough Technologies 2008: Probabilistic Chips). Men DARPA:s investering i hans chip kan ge den flummiga matematikdrömmen dess största test hittills.
Bates bygger ett parti felbenägna datorer som var och en kombinerar 16 av sina marker med en enda konventionell processor. DARPA kommer att få fem sådana maskiner någon gång i sommar och planerar att sätta dem online för statliga och akademiska forskare att leka med. Förhoppningen är att de kan bevisa teknikens potential och locka intresse från chipindustrin.
DARPA finansierade Singulars chip som en del av ett program som heter Uppåt, som syftar till att uppfinna nya, mer effektiva sätt att bearbeta videofilmer. Militära drönare kan samla in stora mängder video, men den kan inte alltid laddas ner under flygning, och datorkraften som behövs för att bearbeta den i luften skulle vara för skrymmande.
Det kommer att krävas anmärkningsvärda bragder av mjukvara och till och med kulturell ingenjörskonst för att oprecis hårdvara ska ta fart. Det är inte lätt för programmerare som är vana vid tanken att chips alltid är superexakta att anpassa sig till sådana som inte är det, säger Christian Enzo , en professor vid Swiss Federal Institute of Technology i Lausanne som har byggt sina egna ungefärliga datorchips. Det kommer att behövas nya verktyg för att hjälpa dem att göra det, säger han.
Men Deb Roy, professor vid MIT Media Lab och Twitters främsta medieforskare, säger att de senaste trenderna inom datoranvändning tyder på att ungefärlig datoranvändning kan hitta en mer lättillgänglig publik än någonsin. Det finns en naturlig resonans om du bearbetar någon form av data som är bullrig av naturen, säger han. Det har blivit mer och mer vanligt när programmerare försöker extrahera information från foton och video eller låta maskiner förstå världen och mänskligt beteende, tillägger han.