Naučnik Eugenio Culurciello i njegove kolege iz e-laba na Univerzitetu Purdue, proizveli su koprocesor i softver koji su u stanju simulirati neuralne mreže i time koristiti tehnologiju veštačke inteligencije pod nazivom "duboko učenje" (deep learning).
Duboko učenje su do sada koristile samo visokoprofilisane firme poput Googlea, Facebooka i Baidua, no za korišćenje ove AI tehnologije koja je u stanju "razumevati svet", odnosno prepoznavati lica i objekte na slikama, bilo je potrebno posedovati ogromne klastere sastavljene od snažnih računara.
Kao primer dubokog učenja možemo navesti Googleov softver koji je "naučio" kako prepoznavati mačke na slikama u YouTube filmovima, za šta je koristio čak 16.000 procesora.
Naučnici e-laba su na Neural Information Processing Systems konferenciji u Nevadi demonstrirali nn-X koprocesor koji se spaja na običan ARM procesor u pametnom telefonu, te je u stanju uz korišćenje posebnog softvera prepoznavati lica ili određene objekte na fotografijama i u videu na isti način kao što je to radio Google korišćenjem ogromne hardverske infrastrukture.
Naučnici navode kako prototip njihovog čipa nije toliko snažan kao Googleov "detektor mačaka", ali demonstrira da nove vrste hardvera mogu dovesti do širenja dubokog učenja na uređaje koji se koriste na potrošačkom tržištu.
Culurciello kaže kako ovakva tehnologija može naći primenu kod svih korisnika pametnih telefona. "Verovatno posedujete kolekciju od više hiljada slika koje niste nikada pogledali više od jednom, a ne postoji tehnologija koja bi bila u stanju analizirati taj sadržaj", navodi naučnik.
Primenu njihove tehnologije vidi i kod nosivih gadgeta poput Google Glass naočara, koje bi dobile mogućnost da razumeju ono što se nalazi na slikama i filmovima koje snimaju. "Mogli biste pretraživati slike unošenjem pojma poput crveni automobil ili sunčani dan s mamom, nakon čega biste dobili prikaz onih fotografija koje se odnose na te pojmove", dodaje Culurciello.
Naučnik takođe kaže kako bi nove aplikacije mogle preduzimati i razne akcije kada bi prepoznale određene ljude, objekte ili scene, pa biste recimo mogli narediti Google Glassu da automatski snima sve žene u minićima.
Softver za duboko učenje funkcioniše filtriranjem podataka kroz hijerarhijske, višeslojne mreže simuliranih neurona koji su individualno jako jednostavni, no povezani zajedno mogu izraziti znatno kompleksnije ponašanje. Računari su neefikasni u pokretanju tih mreža jer se one razlikuju od konvencionalnog softvera.
Prototip koprocesora se pokazao 15 posto efikasnijim od GPU-a za izvođenje istog zadatka, a Culurciello veruje kako bi ga mogli poboljšati da bude 10 puta efikasniji nego što je sada.
Izvor: vidi.hr