Нейросеть научилась распознавать танки Т-72 с воздуха

Американские ВВС тестируют чип IBM, построенный по образу человеческого мозга. Устройство предназначено для поиска танков с воздуха. 11 Январь 2017, 18:08
Спутники, самолеты, растущее количество дронов: электронных «глаз» в небе все больше. И сейчас военные изучают возможность сделать их «умнее» при помощи чипов, созданных по образу человеческого мозга. Данные чипы смогут позволить технике автоматически определять такие объекты, как танки или противовоздушные системы.
Исследовательская лаборатория ВВС США (Air Force Research Lab - AFRL) сообщает о положительных результатах использования «нейроморфных» чипов IBM для идентификации военных и гражданских машин при помощи радаров. По сути, этот необычный чип выполняет те же задачи, что и обычный мощный компьютер. Только тратит в 20 раз меньше энергии.
Отладочная плата с 16 нейроморфическими процессорами IBM TrueNorth, каждый из которых содержит более 5 млрд транзисторов и имитирует работу до 1 миллиона модельных «нейронов» и до 250 миллионов связей между ними («синапсов»).
AFRL заключила с IBM контракт на $550 тысяч в 2014 году, став, таким образом, первым заказчиком чипа TrueNorth. Он обрабатывает данные, используя сеть из миллиона элементов, имитирующих работу нейронов мозга млекопитающих, которые соединены 256 миллионами «синапсов».
TrueNorth — исследовательский проект нейроморфического процессора второго поколения от компании IBM. Микрочип TrueNorth был разработан к лету 2014 года в рамках программы DARPA SyNAPSE. Процессор имеет неклассическую архитектуру (не основан на архитектуре фон Неймана) и вдохновлен некоторыми моделями работы неокортекса.

Чип TrueNorth изготовлен по планарной полупроводниковой технологии по техпроцессу 28 нм на заводе Samsung. Он содержит 5,4 миллиарда транзисторов (что делает его одним из крупнейших на момент выпуска), с помощью которых реализованы:
один миллион эмулируемых «нейронов»
256 миллионов эмулируемых связей между нейронами — «синапсов».
около 400 мегабит SRAM памяти (приблизительно 50 мегабайт)

Для организации такого количества элементов использовалось 4096 блоков («ядер») в двухмерном массиве размером 64 на 64. Каждый блок («ядро») содержит планировщик, модуль управления токенами, около 100 килобит SRAM памяти для хранения состояния «синапсов» и «нейронов», модуль коммуникации с соседними ядрами (маршрутизатор, router), и логическую реализацию «нейронов», которая позволяет каждому блоку моделировать 256 «нейронов» с частотой 1 кГц. Чип построен по асинхронной технологии, созданной в Cornell University.

Энергопотребление чипа составляет 70-100 милливатт (при анализе видео 400x240 30 fps), производительность систем на базе чипа оценивается авторами в 46 млрд «синаптических операций в секунду на ватт».

Применение
TrueNorth подходит для исполнения рекуррентных нейронных сетей, которые могут применяться для классификации различной информации, в том числе, изображений, речи и видео.
Такие чипы совершенно не похожи на те, что устанавливаются в существующие компьютеры, и при решении определенных задач они намного эффективнее.

ВВС США это интересует по причине того, что таким образом они смогут использовать машинное зрение, обычно требующее больших вычислительных мощностей, в местах, где ресурсы и пространство ограничены. Спутники, самолеты, базы ВВС, работающие на генераторах, и компактные дроны - все они выиграют от новой технологии, считает старший инженер AFRL Кинг Ву.

«Задачи ВВС выполняются в воздухе, космосе и киберпространстве. И во всех этих сферах существуют крайне тонкие энергетические ограничения», - говорит Ву.
Ву провел множество сравнений между TrueNorth и мощным компьютером Nvidia Jetson TX-1, который стоит $500 и разработан для упрощенного применения технологий машинного обучения на таких устройствах, как машины и мобильные роботы.
Первый в мире модульный суперкомпьютер, Jetson TX 1 способен предложить производительность и энергоэффективность, необходимые
для самых современных приложений визуальных вычислений. Он создан на основе революционной архитектуры NVIDIA Maxwell™ с 256 ядрами CUDA,
которые обеспечивают производительность более 1 ТЕРАФЛОПС. 64-битный CPU, способность кодировать и декодировать 4К видео
и интерфейс камеры со скоростью сенсора 1400 МП/с  превращают Jetson TX1 в лучшую систему для разработки
встраиваемых систем глубокого обучения,  машинного зрения и высокопроизводительных вычислений на GPU.
Устройства использовали разные варианты программного обеспечения на основе нейронных сетей, чтобы различить десять классов военных и гражданских автомобилей, представленных в комплекте данных MSTAR, который находится в открытом доступе. Среди них - российские танки Т-72, БМП и бульдозеры. Обе системы достигли точности в приблизительно 95%, однако чипы IBM использовали в 20 или даже 30 раз меньше энергии.
Разработка IBM более эффективна при выполнении подобных задач. Обычный компьютер запускал свою нейронную сеть на комплектующих, которые можно назвать потребительскими, они созданы для решения любых задач. А чип TrueNorth разработан специально для искусственных нейронных сетей - он насчитывает миллион физических «нейронов», предназначенных для этого.
По словам Ву, одна из причин, по которой именно такая архитектура дает повышение эффективности, в том, что нейроны и синапсы этого чипа и хранят, и используют данные. В обычной системе, такой как Jetson TX-1, компоненты, которые производят вычисления, отделены от памяти. Получается, что данные должны перемещаться из одного в другое, чтобы их проанализировать, а потом обратно, чтобы их сохранить. На что тратится энергия и время.
Массимилиано Версаче, который возглавляет Лабораторию нероморфики в Бостонском университете и работал над другой частью того же контракта, по которому Пентагон финансирует TrueNorth от IBM, считает, что результаты испытаний обнадеживают. Однако отмечает - пока новый чип имеет свои недостатки.
На данный момент намного проще строить нейронные сети на обычных компьютерах - благодаря программному обеспечению, которое создали Nvidia, Google и другие. Также необычная разработка IBM стоит намного больше. «Простота использования и стоимость - две главные проблемы специализированных нейроморфных чипов», - говорит Версаче.
По словам Ву, оборудование станет куда дешевле, если IBM сможет привлечь достаточное количество заказчиков и наладить масштабное производство. Также компания заявляет, что работает над программным обеспечением, которое должно упростить использование платформы.