Dybe neurale netværk kommer til din telefon

Hvordan fortæller en selvkørende bil en person bortset fra en trafikkegle? Hvordan vælger Spotify sange til min "Discover Weekly" -spilleliste? Hvorfor er Gmail's spamfilter så effektivt?

Svaret er en type kunstig intelligens kendt som dybe neurale netværk. Disse netværk er meget gode til at genkende og klassificere data, men de har en tendens til at tage meget computerkraft og hukommelse til at køre - for meget til at arbejde hurtigt på noget som din gennemsnitlige smartphone.

Nu har forskere på Northeastern demonstreret en måde at køre dybe neurale netværk på en smartphone eller lignende system. Ved hjælp af deres metode, netværkene kan udføre opgaver op til 56 gange hurtigere end demonstreret i tidligere arbejde, uden at miste nøjagtighed. De vil præsentere deres arbejde på en konference om kunstig intelligens i næste måned i New York.

"Det er svært for mennesker at opnå realtidsudførelse af neurale netværk på en smartphone eller denne slags mobile enheder, "siger Yanzhi Wang, en adjunkt i el- og computerteknik på Northeastern. "Men vi kan få de fleste deep learning-applikationer til at fungere i realtid."

Typisk, en mobil enhed skal være forbundet til internettet for at få adgang til et dybt neuralt netværk. Telefonen indsamler data, men behandlingen udføres på eksterne servere - det er derfor, du ikke kan tale med Siri, når din iPhone er i flytilstand.

Wang og hans kolleger har udtænkt en måde at både reducere størrelsen på den neurale netværksmodel og automatisk generere kode for at køre den mere effektivt. Dette arbejde kan muliggøre implementering af dybe neurale netværk i hyldenheder, der muligvis ikke har konsekvent internetadgang. Og det har anvendelser langt ud over håndfri kommunikation med din telefon.

"Der er så mange ting, der har brug for intelligens, "Siger Wang." Medicinsk udstyr, bærbare enheder, sensorer, smarte kameraer. Alle disse, de har brug for noget, der forstærker anerkendelsen, segmentering, sporing, overvågning, og så mange ting, men i øjeblikket er de begrænsede. "

Kunstig intelligens bruges allerede til at forbedre medicinsk teknologi på hospitaler. Der er masser af muligheder for at udvide brugen af ​​bærbare enheder også, muligvis vejledning til handicappede eller advarer patienter og læger om ændringer i hjerterytmen eller andre bekymringer. Men forestil dig, at du mangler en advarsel om et potentielt hjerteanfald, fordi du var i metroen og ikke havde service.

"For mange af applikationerne til medicinsk udstyr, vi kan ikke antage, at denne form for enhed altid er forbundet til internettet, "Wang siger." Og i forbindelse med internettet, der er altid en betydelig forsinkelse. Alt skal beregnes og sendes tilbage. "

Når Wang siger "en betydelig forsinkelse, "han taler om brøkdele af et sekund. Men det er nok til at gøre en forskel.

"Til selvkørende biler, alle data skal sendes til et cloud -datacenter, så er der en transmissionsforsinkelse, der sender den tilbage, "Siger Wang." Måske. 1 sekund. Og disse. 1 sekunder kan forårsage skade. "

Eliminering af den brøkdel af en anden forsinkelse kan redde liv.

Wang bemærker også, at dybe neurale netværk kan rejse bekymringer om privatlivets fred, fordi personlige oplysninger deles over skyen, for at disse netværk kan fungere. Behandling af data lokalt, uden at sende den til fjerne servere, kunne gøre folk mere tryg ved at bruge enheder drevet af kunstig intelligens.

"Tidligere har folk mente, at dyb læring havde brug for dedikerede chips, eller kun kunne køres på servere over skyen, "Wang siger." Denne form for videnopfattelse begrænser anvendelsen af ​​dyb læring. Vi kan ikke altid stole på skyen. Vi skal lave lokale, smarte beslutninger. "