Da asporto chiave
- Una nuova ricerca degli scienziati del MIT indica la strada per adattare le reti neurali a piccoli dispositivi.
- MCUNet consente il deep learning su sistemi con potenza di elaborazione e memoria limitate.
- L'innovazione potrebbe anche consentire dispositivi medici più intelligenti e agili.
Gli altoparlanti intelligenti e altri dispositivi che costituiscono l'Internet of Things (IoT) potrebbero un giorno ottenere la potenza della rete neurale per fare di più con meno, affermano i ricercatori.
Un nuovo sistema chiamato MCUNet consente la progettazione di minuscole reti neurali su dispositivi IoT, anche con memoria e potenza di elaborazione limitate. Secondo un documento degli scienziati del MIT pubblicato sul server di prestampa Arxiv, la tecnologia potrebbe portare nuove funzionalità ai dispositivi intelligenti risparmiando energia e migliorando la sicurezza dei dati.
La ricerca "è una di quelle idee brillanti che sembra ovvia quando la senti", ha detto in un'intervista via e-mail John Suit, consulente CTO presso la società di robotica KODA. "È un approccio elegante al problema. Questa ricerca è così significativa perché alla fine consentirà l'ottimizzazione in tempo reale delle reti neurali per qualsiasi dispositivo in cui le risorse possono essere note all'algoritmo."
Ciò che questo mostra davvero è che il potere non deve essere legato alle dimensioni..
Grandi calcoli su piccoli dispositivi
I dispositivi IoT di solito funzionano su chip di computer senza sistema operativo, rendendo difficile l'esecuzione di attività di riconoscimento dei modelli come il deep learning. Per un'analisi più approfondita, i dati raccolti dall'IoT vengono spesso elaborati nel cloud, sebbene siano vulnerabili all'hacking.
C'è molto che le reti neurali potrebbero fare per aumentare il numero crescente di dispositivi IoT, ma le dimensioni sono state un problema.
"Per spostare le reti nel dispositivo stesso, cosa che si è rivelata difficile, dovresti trovare un modo per ottimizzare lo spazio di ricerca per una varietà di microcontrollori", ha spiegato Suit. "Un sistema standard o generico non funzionerebbe a causa delle tolleranze delle risorse sui dispositivi IoT. Pensa a processori a bassissima potenza e molto piccoli in termini di potenza di elaborazione."
È qui che entra in gioco il lavoro dei ricercatori del MIT.
"Come installiamo le reti neurali direttamente su questi minuscoli dispositivi?" l'autore principale dello studio, Ji Lin, un dottorato di ricerca. studente del Dipartimento di ingegneria elettrica e informatica del MIT, ha affermato in un comunicato stampa. "È una nuova area di ricerca che sta diventando molto calda. Aziende come Google e ARM stanno lavorando in questa direzione."
TinyEngine in soccorso
Il gruppo del MIT ha progettato due componenti necessari per il funzionamento delle reti neurali sui microcontrollori. Una parte è TinyEngine, che è simile a un sistema operativo, ma riduce il codice all'essenziale. Un altro è TinyNAS, un algoritmo di ricerca dell'architettura neurale.
"Abbiamo molti microcontrollori dotati di diverse capacità di alimentazione e diverse dimensioni di memoria", ha affermato Lin. "Così abbiamo sviluppato l'algoritmo [TinyNAS] per ottimizzare lo spazio di ricerca per diversi microcontrollori. La natura personalizzata di TinyNAS significa che può generare reti neurali compatte con le migliori prestazioni possibili per un dato microcontrollore, senza parametri inutili. Quindi forniamo il risultato finale, modello efficiente per il microcontrollore."
È un approccio elegante al problema.
Il lavoro di Lin potrebbe tradursi in dispositivi medici più intelligenti e agili.
"Ciò che questo mostra davvero è che il potere non deve essere legato alle dimensioni, e negli ospedali, dove tutto si muove rapidamente in spazi ristretti, questo può letteralmente significare la differenza tra la vita e la morte", Kevin Goodwin, Il CEO di EchoNous, un'azienda che produce dispositivi medici assistiti dall'intelligenza artificiale, ha dichiarato in un'intervista via e-mail.
Goodwin ha affermato che il suo team ha trascorso anni a costruire e addestrare una rete neurale che potrebbe quindi essere utilizzata per mappare le strutture cardiache in un'ecografia in tempo reale, il tutto in un dispositivo portatile chiamato KOSMOS che pesa meno di due chili.
"Ora i medici possono spostarsi facilmente da una stanza all' altra ottenendo scansioni di qualità diagnostica con la guida dell'IA", ha aggiunto. "Non devono mandare i pazienti altrove per quelle scansioni o perdere tempo critico a disinfettare i macchinari basati su carrello."
MCUNet è uno sguardo emozionante su un mondo in cui i piccoli gadget potrebbero essere più intelligenti che mai. Poiché il numero di dispositivi IoT cresce rapidamente, cercheremo di tutto, dagli elettrodomestici intelligenti ai dispositivi medici per avere le proprie reti neurali.
