Die Air Force testet den Brain-Inspired Chip von IBM als Tankspotter aus der Luft



Satelliten, Flugzeuge und eine wachsende Zahl von Drohnen – die US Air Force hat viele elektronische Augen am Himmel. Jetzt wird untersucht, ob gehirninspirierte Computerchips diesen Systemen die Intelligenz verleihen könnten, Dinge wie die automatische Identifizierung von Fahrzeugen wie Panzern oder Flugabwehrsystemen zu tun.

Das Air Force Research Lab (AFRL) berichtet über gute Ergebnisse bei der Verwendung eines von IBM hergestellten neuromorphen Chips zur Identifizierung von Militär- und Zivilfahrzeugen in radargenerierten Luftbildern. Der unkonventionelle Chip erledigte die Arbeit ungefähr so ​​genau wie ein normaler Hochleistungscomputer und verbrauchte dabei weniger als ein Zwanzigstel der Energie.





Die AFRL erteilte IBM einen Auftrag im Wert von 550.000 $ 2014 der erste zahlende Kunde seines vom Gehirn inspirierten TrueNorth-Chips. Es verarbeitet Daten mithilfe eines Netzwerks aus einer Million Elementen, die die Neuronen eines Säugetiergehirns nachahmen sollen, die durch 256 Millionen Synapsen verbunden sind.

Warum nicht Atomkraft?

Solche Chips unterscheiden sich stark von denen in bestehenden Computern, und für einige Probleme sollten sie viel energieeffizienter sein (siehe Thinking In Silicon ). Die Air Force ist interessiert, weil es möglich sein könnte, fortschrittliche Bildverarbeitung, die normalerweise viel Rechenleistung erfordert, dort einzusetzen, wo Ressourcen und Platz begrenzt sind. Satelliten, Höhenflugzeuge, Luftwaffenstützpunkte, die auf Generatoren angewiesen sind, und kleine Drohnen könnten alle profitieren, sagt AFRL-Elektronikingenieur Qing Wu. Die Missionsdomänen der Air Force sind Luft, Weltraum und Cyberspace. [Alle sind] sehr empfindlich gegenüber Machtbeschränkungen, sagt er.

Wu hat Wettbewerbe zwischen TrueNorth und einem leistungsstarken Nvidia-Computer namens Jetson TX-1 veranstaltet, der rund 500 US-Dollar kostet und den Einsatz leistungsstarker maschineller Lerntechnologie an Bord von Maschinen wie Autos oder mobilen Robotern erleichtern soll.



Die konkurrierenden Computer verwendeten verschiedene Implementierungen von auf neuronalen Netzwerken basierender Bildverarbeitungssoftware, um zu versuchen, 10 Klassen von Militär- und Zivilfahrzeugen zu unterscheiden, die in a vertreten sind öffentlicher Datensatz namens MSTAR . Beispiele waren russische T-72-Panzer, Schützenpanzer und Bulldozer. Beide Systeme erreichten eine Genauigkeit von etwa 95 Prozent, aber der IBM-Chip verbrauchte zwischen 20 und 30 Mal so viel Strom.

IBMs Chip soll bei solchen Aufgaben einen Effizienzvorteil haben. Der herkömmliche Computer führte seine neuronale Netzwerksoftware auf Chips mit Hardware aus, die als Allzweck-Hardware betrachtet werden konnte, die dazu bestimmt war, jede Art von Problem zu lösen. Die Hardware des TrueNorth-Chips ist fest codiert, um künstliche neuronale Netze darzustellen, mit einer Million physischer Neuronen, die an die Aufgabe angepasst sind.

Ein Grund dafür, dass die Architektur eine bessere Effizienz bietet, ist, dass die Neuronen und Synapsen des Chips Daten speichern und verarbeiten, sagt Wu. In einem herkömmlichen System wie dem des Jetson TX-1 sind die Komponenten, die Berechnungen durchführen, vom Speicher getrennt. Das bedeutet, dass Daten vom Speicher zum Prozessor transportiert werden müssen, um sie zu analysieren, und dann zurück zum Speicher, um gespeichert zu werden, was Zeit und Energie verbraucht.

warum alterst du im Weltraum langsamer?

Massimiliano Versace, der das Neuromorphics Lab der Boston University leitet und an einem anderen Teil des Pentagon-Vertrags arbeitete, der IBMs Arbeit an TrueNorth finanzierte, sagt, die Ergebnisse seien vielversprechend. Er merkt jedoch an, dass der Chip von IBM derzeit mit Kompromissen einhergeht.



Dank der von Nvidia, Google und anderen bereitgestellten Software ist es viel einfacher, neuronale Netze auf herkömmlichen Computern bereitzustellen. Und der ungewöhnliche Chip von IBM ist viel teurer. Benutzerfreundlichkeit und Preis sind [die] zwei Hauptfaktoren, die gegen spezialisierte neuromorphe Chips sprechen, sagt Versace.

Wu sagt, dass die Hardware viel billiger werden sollte, wenn IBM in der Lage ist, genug Interesse zu wecken, um die Produktion hochzufahren. Das Unternehmen arbeitet nach eigenen Angaben daran, die Softwareentwicklung für die Plattform zu vereinfachen.

verbergen

Tatsächliche Technologien

Kategorie

Unkategorisiert

Technologie

Biotechnologie

Technologierichtlinie

Klimawandel

Mensch Und Technik

Silicon Valley

Computer

Mit News Magazine

Künstliche Intelligenz

Platz

Intelligente Städte

Blockchain

Reportage

Alumni-Profil

Alumni-Verbindung

Mit News Feature

1865

Meine Sicht

77 Mass Avenue

Treffen Sie Den Autor

Profile In Großzügigkeit

Auf Dem Campus Gesehen

Lerne Den Autor Kennen

Alumni-Briefe

Nicht Kategorisiert

77 Massenallee

Rechnen

Tech-Richtlinie

Lernen Sie Den Autor Kennen

Nachrichten

Wahl 2020

Mit Index

Unter Der Kuppel

Feuerwehrschlauch

Unendliche Geschichten

Pandemie-Technologieprojekt

Vom Präsidenten

Titelstory

Fotogallerie

Empfohlen