Nevrale nettverk på en brikke - Elektronikknett
BrainChip-Akida-3

Nevrale nettverk på en brikke

BrainChip lanserer nå en helt ny arkitektur, i form av en nevromorf systembrikke – den første i en helt ny type akselerasjonsbrikker som bringer kunstig intelligens nærmere brukerne.

BrainChip Holdings Ltd. hevder å være det første selskapet som makter å bringe en virkelig produksjonøkende nevral nettverksarkitektur på markedet, i form av Akida Neuromorphic System-on-Chip (NSoC).   

Arkitekturen plasserer selskapet i førersetet når det gjelder akselerering av kunstig intelligens (AI) i ytterkantene av nettverket og ute blant sluttbrukerne.

NSoC er liten, relativt rimelig og energigjerrig, og kan dermed implementeres i sluttprodukter som avanserte førerstøttesystemer (ADAS), autonome kjøretøy, droner, robotsyn, overvåking og andre maskinsynanvendelser.

Skalerbarhet skal gjøre brukerne i stand til å kople mange Akida-enheter sammen, for å utføre kompleks trening og inferencing i ulike markeder, fra jordbruksteknologi til cybersikkerhet og finansteknologi. 

Tractica-DeepLearningChipsetsMarket Markedet for AI-brikkesett øker, ifølge Tractica.

– Markedet for brikkesett rettet mot akselerering av kunstig intelligens forventes å overstige 60 milliarder USD innen 2025, sier Aditya Kaul, forskningsdirektør i Tractica, et markedsanalysebyrå med AI som spesialitet. – Nevromorf databehandling er en lovende teknologi for å akselerere AI, spesielt i laveffekt applikasjoner. Etter hvert som stadig flere av de tekniske hindrene blir overvunnet, vil vi se en omfattende implementering av nye typer AI-optimalisert maskinvare de neste årene, fremholder Kaul.

– Det har ikke manglet på forsøk, men verken store eller små selskaper har vært i stand til å levere nevromorfe databrikke på markedet i produksjonsvolumer, hevder Lou DiNardo, CEO i BrainChip. – Akida, som er gresk for ”spiss” (engelsk ”spike”, med henvisning til begrepet ”spiking neural networks”, red. anm.), representerer den første i en ny type maskinvareløsninger for AI. Kunstig intelligens i nettverksutkanten kommer til å bli like viktig og vanlig som mikrokontrolleren, sier han.

Akida NSoC anvender en ren CMOS-basert logisk prosess, som skal sikre god produserbarhet til lav kost. Såkalte Spiking neural networks (SNNs) kjennetegnes ved lavere effektforbruk en tradisjonelle convolutional neural networks (CNNs), ettersom de erstatter de matematikkintensive konvolusjonene og tilbakepropagerende treningsmetodene med biologisk inspirerte nevronfunksjoner og forovermatende treningsteknologier. 

BrainChips forskning skal ha kommet frem til den optimale nevronmodellen og treningsmetodene, og dermed høy ytelse.

Hver Akida NSoC har effektivt sett omkring 1,2 millioner nevroner og 10 milliarder synapser, noe som skal representere 100 ganger bedre effektivitet enn nevromorfe testbrikker fra Intel og IBM. Sammenligninger med ledende CNN akseleratorkretser viser ifølge Brainchip lignende ytelsesforbedringer. 

AI-Taxonomy Tredje generasjon nevrale nettverksteknologier.

– Spissende nevrale nettverk anses som den tredje generasjonen av nevrale nettverk, kommenterer Peter van der Made, grunnlegger og CTO i BrainChip. – Akida NSoC er resultatet av flere tiår med forskning for å bestemme den optimale nevronmodellen, og innovative metoder, sier han. 

Brikken er designet for bruk som en frittstående innvevd akselerator, eller som en tilleggsprosessor. Den har sensorgrensesnitt for tradisjonell pikselbasert bildebehandling, dynamiske synssensorer (DVS), Lidar, lyd, og analog signaler. Den har også høyhastighets grensesnitt som PCI-Express, USB, og Ethernet. Innvevd i NSoCen er også data-til-spike omformere, designet for å konvertere populære dataformater til spikes, for å trene og prosesseres av nevronmatrisen i  Akida.

Kommentarer