ซื้อกลับบ้านที่สำคัญ
- การวิจัยใหม่โดยนักวิทยาศาสตร์ของ MIT ชี้ให้เห็นวิธีการติดตั้งโครงข่ายประสาทเทียมในอุปกรณ์ขนาดเล็ก
- MCUNet ให้การเรียนรู้เชิงลึกในระบบที่มีกำลังการประมวลผลและหน่วยความจำที่จำกัด
- นวัตกรรมนี้ยังช่วยให้อุปกรณ์ทางการแพทย์ที่ชาญฉลาดและคล่องตัวมากขึ้น
ลำโพงอัจฉริยะและอุปกรณ์อื่นๆ ที่ประกอบเป็น Internet of Things (IoT) วันหนึ่งอาจได้รับพลังเครือข่ายประสาทเพื่อทำสิ่งต่างๆ ได้มากขึ้นโดยใช้เวลาน้อยลง
ระบบใหม่ที่เรียกว่า MCUNet ช่วยให้สามารถออกแบบโครงข่ายประสาทเทียมขนาดเล็กบนอุปกรณ์ IoT แม้จะมีหน่วยความจำและกำลังประมวลผลที่จำกัดจากรายงานของนักวิทยาศาสตร์ของ MIT ที่เผยแพร่บนเซิร์ฟเวอร์ preprint Arxiv เทคโนโลยีนี้สามารถนำความสามารถใหม่ๆ มาสู่อุปกรณ์อัจฉริยะในขณะที่ประหยัดพลังงานและปรับปรุงความปลอดภัยของข้อมูล
การวิจัย "เป็นหนึ่งในแนวคิดที่ยอดเยี่ยมที่ดูเหมือนชัดเจนเมื่อคุณได้ยินมัน" John Suit ที่ปรึกษา CTO ของบริษัทหุ่นยนต์ KODA กล่าวในการสัมภาษณ์ทางอีเมล "เป็นแนวทางแก้ไขปัญหาที่สง่างาม การวิจัยครั้งนี้มีความสำคัญมากเพราะในที่สุด พวกเขาจะอนุญาตให้ปรับแต่งเครือข่ายประสาทเทียมแบบเรียลไทม์สำหรับอุปกรณ์ใดๆ ที่อัลกอริทึมสามารถทราบทรัพยากรได้"
สิ่งที่แสดงให้เห็นจริงๆคือพลังไม่จำเป็นต้องผูกมัดกับขนาด..
การคำนวณครั้งใหญ่บนอุปกรณ์ขนาดเล็ก
อุปกรณ์ IoT มักจะทำงานบนชิปคอมพิวเตอร์ที่ไม่มีระบบปฏิบัติการ ทำให้ยากต่อการเรียกใช้งานการจดจำรูปแบบ เช่น การเรียนรู้เชิงลึก สำหรับการวิเคราะห์ที่เข้มข้นยิ่งขึ้น ข้อมูลที่รวบรวมโดย IoT มักจะถูกประมวลผลในระบบคลาวด์ แม้ว่าจะเสี่ยงต่อการถูกแฮ็กก็ตาม
โครงข่ายประสาทเทียมสามารถทำได้หลายอย่างเพื่อเพิ่มจำนวนอุปกรณ์ IoT ที่กำลังเติบโต แต่ขนาดกลับเป็นปัญหา
"ในการย้ายเครือข่ายลงในอุปกรณ์เอง ซึ่งพิสูจน์แล้วว่ายาก คุณจะต้องหาวิธีเพิ่มประสิทธิภาพพื้นที่การค้นหาสำหรับไมโครคอนโทรลเลอร์ที่หลากหลาย" Suit อธิบาย "ระบบมาตรฐานหรือระบบทั่วไปจะไม่ทำงานเนื่องจากความคลาดเคลื่อนของทรัพยากรบนอุปกรณ์ IoT ลองนึกถึงพลังงานที่ต่ำมาก โปรเซสเซอร์ขนาดเล็กมากในแง่ของพลังการประมวลผล"
นั่นคือที่มาของงานของนักวิจัย MIT
"เราจะปรับใช้โครงข่ายประสาทโดยตรงบนอุปกรณ์ขนาดเล็กเหล่านี้ได้อย่างไร" ผู้เขียนนำของการศึกษาคือ Ji Lin, Ph. D. นักศึกษาในภาควิชาวิศวกรรมไฟฟ้าและวิทยาการคอมพิวเตอร์ของ MIT กล่าวในการแถลงข่าว "เป็นพื้นที่การวิจัยใหม่ที่กำลังร้อนแรง บริษัทต่างๆ เช่น Google และ ARM ต่างก็ทำงานในทิศทางนี้"
TinyEngine to the Rescue
กลุ่ม MIT ได้ออกแบบสององค์ประกอบที่จำเป็นสำหรับการทำงานของโครงข่ายประสาทเทียมบนไมโครคอนโทรลเลอร์ ส่วนหนึ่งคือ TinyEngine ซึ่งคล้ายกับระบบปฏิบัติการ แต่แยกโค้ดออกเป็นส่วนที่จำเป็น อีกอย่างคือ TinyNAS ซึ่งเป็นอัลกอริธึมการค้นหาสถาปัตยกรรมประสาท
"เรามีไมโครคอนโทรลเลอร์จำนวนมากที่มาพร้อมความจุพลังงานและขนาดหน่วยความจำที่แตกต่างกัน" Lin กล่าว "ดังนั้นเราจึงพัฒนาอัลกอริธึม [TinyNAS] เพื่อเพิ่มประสิทธิภาพพื้นที่การค้นหาสำหรับไมโครคอนโทรลเลอร์ต่างๆ ลักษณะที่ปรับแต่งได้ของ TinyNAS หมายความว่ามันสามารถสร้างโครงข่ายประสาทเทียมขนาดกะทัดรัดด้วยประสิทธิภาพที่ดีที่สุดเท่าที่เป็นไปได้สำหรับไมโครคอนโทรลเลอร์ที่กำหนด โดยไม่มีพารามิเตอร์ที่ไม่จำเป็น จากนั้นเราจะส่งมอบขั้นสุดท้าย, รุ่นที่มีประสิทธิภาพสำหรับไมโครคอนโทรลเลอร์"
เป็นแนวทางแก้ไขปัญหาที่สวยงาม
งานของ Lin สามารถแปลได้ว่าอุปกรณ์ทางการแพทย์ที่ชาญฉลาดและคล่องตัวมากขึ้น
"สิ่งนี้แสดงให้เห็นจริงๆ ว่าพลังไม่จำเป็นต้องผูกติดอยู่กับขนาด และในโรงพยาบาลที่ทุกอย่างเคลื่อนไหวอย่างรวดเร็วในพื้นที่แคบๆ นั่นหมายถึงความแตกต่างระหว่างความเป็นกับความตายอย่างแท้จริง" เควิน กู๊ดวิน CEO ของ EchoNous บริษัทที่ผลิตอุปกรณ์ทางการแพทย์ที่ใช้ AI กล่าวในการสัมภาษณ์ทางอีเมล
Goodwin กล่าวว่าทีมของเขาใช้เวลาหลายปีในการสร้างและฝึกโครงข่ายประสาทเทียม จากนั้นจึงนำไปใช้ทำแผนที่โครงสร้างหัวใจในการสแกนด้วยอัลตราซาวนด์แบบเรียลไทม์ในอุปกรณ์พกพาที่เรียกว่า KOSMOS ซึ่งมีน้ำหนักไม่ถึง 2 ปอนด์
"ตอนนี้แพทย์สามารถย้ายจากห้องหนึ่งไปอีกห้องหนึ่งได้อย่างง่ายดายเพื่อรับการสแกนที่มีคุณภาพในการวินิจฉัยด้วยคำแนะนำ AI" เขากล่าวเสริม "พวกเขาไม่ต้องส่งผู้ป่วยไปที่อื่นเพื่อทำการสแกนหรือเสียเวลาในการฆ่าเชื้อเครื่องจักรที่ใช้รถเข็น"
MCUNet คือรูปลักษณ์ที่น่าตื่นเต้นในโลกที่อุปกรณ์ขนาดเล็กอาจฉลาดกว่าที่เคย เนื่องจากจำนวนอุปกรณ์ IoT เพิ่มขึ้นอย่างรวดเร็ว เราจะมองหาทุกอย่างตั้งแต่อุปกรณ์อัจฉริยะไปจนถึงอุปกรณ์ทางการแพทย์ ที่จะมีโครงข่ายประสาทของตัวเอง