Arms Project Trillium-meddelelsen ser på processorer til AI

Arm annoncerede tirsdag sin nye retning i "branchens mest skalerbare, alsidig ML compute platform." De taler om deres nye platform kaldet Project Trillium. Projektet involverer en ny Machine Learning (ML) processor og en Object Detection (OD) processor.

Arm ML-processoren (1) leverer mere end 4,6 billioner operationer pr. sekund og (2) en effektivitet på over 3 billioner operationer pr. sekund pr. watt (TOPs/W), med "uovertruffen" ydeevne i "termiske og omkostningsbegrænsede miljøer."

Project Trillium er et kodenavn, ikke et kommercielt mærke, til Arm machine learning-teknologi. Kodenavnet vil blive erstattet af et kommercielt mærke.

Jem Davies, vicepræsident, kollega og daglig leder, Maskinelæring, Arm, sagde, at projektet er "at kickstarte en ny bølge af opfindelser i verden af ​​kunstig intelligens (AI), hvoraf maskinlæring er en vigtig del."

MIT Technology Review sagde, Arms "nyeste mobile processorer er indstillet til at knuse maskinlæringsalgoritmer så effektivt som muligt."

Så, hvad betyder det for forbrugere, der køber mobilprodukter? Taler de om AI til telefoner? Som MIT Technology Review sagde, AI vil bringe os hardware, der gør det muligt for vores telefoner at køre "kunstig intelligens-algoritmer."

ARMs nye processorer blev lavet til at levere forbedret maskinlæring og neurale netværksfunktionalitet.

Arm's Jem Davies bemærkede, "Ja, mit svar på spørgsmålet:'Hvorfor ville du introducere mere intelligens i din enhed?' er 'Hvorfor ville du ikke, '" i en Arm-blog.

Processorerne er fokuseret på mobile enheder. "Brugere vil nyde høj opløsning, realtid, detaljeret ansigtsgenkendelse på deres smarte enheder leveret på en batterivenlig måde, " sagde Arm.

Arm OD-processoren er designet til at identificere personer og andre objekter med "stort set ubegrænsede objekter pr. frame, " med "Realtidsdetektion med fuld HD-behandling med 60 billeder i sekundet."

Mens den første lancering fokuserer på mobile processorer, selvom, Arm sagde, at der vil være fremtidige Arm ML-produkter med evnen til "at bevæge sig op eller ned i ydeevnekurven - fra sensorer og smarte højttalere, til mobil, hjemmeunderholdning, og videre."

Arms Jem Davies, vicepræsident, kollega og daglig leder, maskinelæring, afklaret, hvad suitens muligheder kan tjene i et scenarie i den virkelige verden. (Davies er en kvalificeret dykker.)

"Forestil dig, at du er 30 meter nede, dykker over et rev omgivet af fantastiske skabninger og spekulerer på, hvilken art den lille gule fisk med sølvstriberne er. Du kunne fumle rundt efter et fiskekort, hvis du har en, men det, du virkelig ønsker, er en nemmere og hurtigere løsning. Spol frem til 2019, og teknologien har givet. Nu er din vandtætte smartphone aktiveret af Arm Machine Learning (ML) og Object Detection-processorer. Din oplevelse er meget anderledes."

dykkermasken, sagde Davies, ville give dig information via et heads-up display. "En arm-baseret chip inde i din smartphone er nu udstyret med en avanceret objektdetektionsprocessor, der filtrerer de vigtigste scenedata fra, mens et operativsystem opgaver en kraftfuld Machine Learning-processor med detaljeret identifikation af fisk, andre interesseområder og farer."

Jamie Condliffe ind MIT Technology Review vurderede Arms nyheder. "I øjeblikket, de fleste små eller bærbare enheder, der bruger maskinlæring, mangler hestekræfter til at køre AI-algoritmer, så de får hjælp fra store servere i skyen." Arms løsning har fordelen ved hastighed, med en mobilenhed, der kører sin egen AI-software, "skære forsinkelsen, der er forbundet med at sende information frem og tilbage."

Også, han sagde, "Det glæder privatlivsforkæmpere, som bliver trøstet af tanken om, at data bliver tilbage på enheden."

Gary Sims diskuterede de samme pluspunkter i Android Authority herunder sikkerhedsfordele ved ikke at skulle sende personlige data op til skyen.

"Argumentet for at understøtte inferens (genkendelse) på en enhed, snarere end i skyen, er overbevisende. Først og fremmest sparer det båndbredde. Efterhånden som disse teknologier bliver mere allestedsnærværende, vil der være en kraftig stigning i data, der sendes frem og tilbage til skyen for at blive genkendt. For det andet sparer det strøm, både i telefonen og i serverrummet, da telefonen ikke længere bruger sine mobilradioer (Wi-Fi eller LTE) til at sende/modtage data, og en server bliver ikke brugt til at foretage registreringen."

Med hensyn til latens, Sims bemærkede også, at resultaterne vil blive leveret hurtigere, hvis konklusionen foretages lokalt.

På samme tid, Condliffe påpegede, at Arm ikke er den eneste spiller, der udforsker mobile AI-chips. Condliffe bemærkede (1) en neural motor i iPhone X som en del af dets vigtigste chipsæt (2) Huaweis Mate 10-smartphone med en chip, den kalder neural processing unit og (3) Pixel 2-håndsættet med et chipsæt "for at hjælpe det med at knuse billeddannelse og maskinlæringsproblemer."

Sims sagde, "vi burde begynde at se SoC'er med det indbygget engang i løbet af 2019."

"Machine learning er virkelig det hotte nye emne i halvlederbranchen og har især set et stort fokus i den mobile verden i løbet af de sidste par måneder, " sagde Andrei Frumusanu ind AnandTech , med udmeldinger fra virksomheder.

© 2018 Tech Xplore