Syntiant NDP200 — нейроморфный чип, способный играть в Doom, потребляя 1 милливатт мощности

Игра Doom

Не так давно компания Syntiant из Калифорнии представила свою новую разработку — нейроморфный чип NDP200, обладающий очень высокой энергоэффективностью. Этот чип, в первую очередь, предназначен для управления искусственными нейронными сетями, которые анализируют входной поток видеоданных и выдают сигналы другим системам, когда на видео определяется нечто важное. Но это является не единственной возможной областью применения нового чипа, и его разработчики продемонстрировали, что при должном подходе и правильном обучении он способен на несколько большее.

Для «правильного» обучения чипа разработчики использовали VizDoom, облегченную версию первого поколения этой игры, которая достаточно часто используется в исследованиях, связанных с искусственным интеллектом. Внутри чипа была организована многослойная нейронная сеть, верхние слои которой несли ответственность за понимание того, что видит сеть на входящем потоке видео. А набор более нижних слоев отвечал за реакции и меры, принимаемые сетью в ответ на то, что она видит.

Всего в сети насчитывается 600 тысяч параметров, размещенных в 640 килобайтах оперативной памяти. Это, конечно, не миллиарды параметров, входящие в состав сети ChatGPT, но это гораздо больше 10 тысяч параметров, требующихся для распознавания простых фраз типа «Ok, Google».

Сеть была обучена играть в вид игры «Круговая защита», что включает в себя перемещения внутри круглого помещения и отстрел всего, что шевелится. Сначала сеть была обучена распознавать появляющихся монстров, а затем стрелять в них. В первое время сеть очень быстро расстреливала боекомплект, но со временем научилась экономить боеприпасы. И, в конце концов, она стала гораздо лучшим игроком, чем любой из ее разработчиков, игравших в Doom в студенческом возрасте.

Для того, чтобы продемонстрировать эффективность работы чипа NDP200, специалисты Syntiant провели сравнение с процессором ARM Cortex A53, на котором была реализована сеть на базе MobileNetV1 с 200 тысячами параметров. На одном из стандартных тестов, MLPerf, чип NDP200 тратит всего 166 микроджоулей на анализ одного кадра изображения, всего 1 сотую от количества, требовавшегося ARM-процессору для выполнения той же самой задачи. Чип NDP200 оказался способен проанализировать и обработать шесть кадров в секунду, потребляя при этом всего 1 милливатт.

Отметим, что компания Syntiant не держит в секрете внутреннюю начинку чипа NDP200. Его эффективность заключается в правильной организации многопоточной передачи данных из памяти в нейроморфное ядро, в котором производятся операции по умножению и накоплению, базовые операции на которых стоят все операции глубинного обучения и искусственного интеллекта. А суммарная пропускная способность шины между памятью и процессором составляет 9 гигабайт в секунду.

Похоже, что пока представители компании Syntiant не планируют производить увеличение сложности разрабатываемых ими чипов. «Мы будем направлять свои усилия на совершенствовании имеющихся технологий и увеличении эффективности работы наших чипов» — пишут представители Syntiant, — «А более чем полумиллиона параметров пока вполне достаточно для создания нейронных сетей, способных быстро и безошибочно решать задачи, стоящие перед обычными электронными устройствами потребительского уровня».

[embedded content]

Ключевые слова:
Syntiant, NDP200, Нейроморфный, Чип, Нейронная, Сеть, Doom, Энергия, Эффективность

Первоисточник

Другие новости по теме:

  • Компания Syntiant нашла путь к объединению мира искусственного интеллекта и аналоговой электроники
  • Создан экономичный нейрочип, который может снабдить искусственным интеллектом смартфоны и портативную электронику
  • IMEC представляет первый в своем роде самообучающийся нейроморфный чип, способный даже сочинять музыку
  • Новый оптический нейроморфный чип способен обработать почти 2 миллиарда изображений в секунду
  • Созданы первые образцы оптических искусственных нейронных сетей
  • Share Button

    Материалы по теме:

    На основе мемристоров создан первый байесовский процессор для искусственного интеллекта
    За прошедшие несколько лет технологии глубинного машинного обучения и другие технологии, лежащие в основе искусственного интеллекта, совершили качественный рывок с точки зрения их производительности ...
    Новая система искусственного интеллекта компании Google научилась проектировать чипы быстрее и качественней высококвалифицированных людей
    Благодаря широкому распространению различных систем искусственного интеллекта все острее и острее становится проблема, связанная с разработкой новых специализированных чипов, способных выполнять базовые алгоритмы ИИ ...
    Создано устройство, излучающее радиоволны практически без потребления энергии, но, не нарушающее законов физики при этом
    Группа ученых и инженеров из Стэнфордского и Вашингтонского университетов разработала новую технологию маломощных радиокоммуникаций, которая, на первый взгляд, нарушает некоторые из базовых законов физики. ...
    Появилась первая нейроморфная вычислительная система, использующая скирмионы в качестве носителей информации
    Группа исследователей из японского Института физико-химических исследований RIKEN разработала и изготовила первый опытный образец нейроморфной, т.е. работающей на принципах, схожих с принципами работы головного ...
    Машины-монстры: Процессор-рекордсмен Cerebras значительно «прибавил в весе», плюс 1.4 триллиона транзисторов
    Пару лет назад мы уже рассказывали нашим читателям о монстрообразном процессоре Cerebras WSE, который на момент его появления стал самым большим в мире процессором. ...
    You can skip to the end and leave a response. Pinging is currently not allowed.

    Leave a Reply

    Яндекс.Метрика