自学习传感器芯片不需要网络

科学家们正在研究一种新的机器学习网络,目的是将人工智能(AI)所需的一切都嵌入处理器中,从而消除将数据传输到云端或计算机的需要。

微型智能微电子学应该被用于在芯片上尽可能多地进行传感器处理,而不是通过向云端或计算机发送通常不需要的、重复的原始数据来浪费资源。因此,科学家们认为,新的机器学习网络旨在将人工智能(AI)所需的一切嵌入处理器。

“这为许多新的应用打开了大门,从传感器数据的实时评估开始,”Fraunhofer微电子电路和系统研究所在其网站上说。不发送任何不必要数据,再加上快速的处理,从理论上讲意味着零延迟。

另外,在微处理器上,自学习功能意味着嵌入式设备或传感器设备可以自我校准。该研究所称,它们甚至可以“完全重新配置,以执行完全不同的任务”。“具有不同任务的嵌入式系统是可能的。”

通过网络发送的许多物联网(IoT)数据都是冗余和浪费资源的。例如,当环境温度没有改变时,每10分钟读取一次温度。事实上,人们只需要知道温度何时发生了变化,也许只需要知道达到了阈值。

神经网络传感器芯片

这家德国商业研究机构说,他们正在开发一种特殊的RISC-V微处理器,它有一个特殊的硬件加速器,专门为它开发的大脑复制人工神经网络(ANN)而设计。该体系结构最终可能适用于工业物联网(IIoT)中的状态监测或预测传感器。

Fraunhofer IMS的嵌入式系统人工智能(AIfES)的关键在于,自学习发生在芯片层面,而不是在云或计算机上,而且它独立于连接到云或强大且需要资源的处理实体。但它仍然提供了完整的人工智能机制,比如自主学习。

这是“去中心化的人工智能”,Fraunhofer IMS说。“它并不专注于大数据处理。”

使用这些类型的系统,原始数据实际上不需要连接,如果确实需要的话,只需要连接分析后的结果。集群化让传感器彼此交谈,甚至不需要主机网络参与就能共享相关信息。

Fraunhofer IMS说:“从小型的自适应系统构建一个网络是可能的,这些系统可以在它们之间共享任务。”

分散式神经网络的其他好处包括它们比云更安全。因为所有处理都是在微处理器上进行的,所以无需传输敏感数据,Fraunhofer IMS解释说。

其他边缘计算研究

并非只有Fraunhofer的研究人员相信整个网络对于神经元,像大脑一样的AI芯片会变得多余。Binghamton大学和佐治亚理工学院正在研究类似的面向边缘的技术。

“我们的想法是让这些芯片能够完成芯片上的所有功能,而不是通过某种大型服务器来回传递信息,”Binghamton在其网站上说。

无需进行主要通信链接的优势之一:您不仅不必担心互联网的弹性,还可以节省创建链接所需的能源。提高能效是传感器界的一个雄心,更换电池既耗时又昂贵,有时在偏远地区极其困难。

在数据中心或类似的地方等待传输的原始数据的内存或存储空间也不需要提供,它已经在源头被处理了,因此可以将其丢弃。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

Next Post

专家:企业物联网进入大规模采用阶段

周五 8月 14 , 2020
硬件价格下降,5G推动商业物联网部署;技术复杂性鼓励合作。 总体而言,物联网在过去几年里迅速发展,但 […]