Hva Gjør AI Chips i Nye Smarttelefoner som Faktisk Gjør?

19
Bilde: Huawei

Kunstig intelligens kommer til telefonen. IPhone X har en Neural Motoren som en del av sin A11 Bionic chip; Huawei Kiri 970 chip har det som kalles en Nevrale Processing Unit eller NPU på det; og Pixel 2 har en hemmelig AI-drevet bildebrikken som bare fikk aktivert. Så hva er disse neste generasjons chips designet for å gjøre?

Som mobil brikkesett har vokst mindre og mer sofistikerte, de har begynt å ta på seg flere jobber og flere ulike typer jobber. Poenget, integrert grafikk—Gpu-er, som nå sitter sammen Cpuer i hjertet av high-end smarttelefoner, håndtering av alle de tunge løftene for det visuelle så den viktigste prosessor kan ta en pust i bakken eller bli opptatt med noe annet.

Den nye rasen av AI chips er svært lik—bare denne gang den angitte oppgaver er å gjenkjenne bilder av ditt kjæledyr, heller enn rendering foto-realistisk FPS bakgrunn.

Hva vi snakker om når vi snakker om AI

AI, eller kunstig intelligens, betyr nettopp det. Omfanget av begrepet har en tendens til å skifte og utvikle seg over tid, men generelt kan man si at det er noe der en maskin kan vise human-stil tenkning og resonnement.

En person som er skjult bak en skjerm som opererer spakene på en mekanisk robot er kunstig intelligens i videste forstand—selvfølgelig dagens AI er langt utover det, men å ha en programmerer kode svarene inn i et datasystem er bare en mer avansert versjon for å få det samme resultatet (en robot som fungerer som et menneske).

Google, viser meg noen hunder. Bilde: Skjermdump

Som for informatikk og smarttelefoner i lomma, her AI har en tendens til å være mer snevert definert. Spesielt det innebærer vanligvis maskinlæring, muligheten for et system for å lære utenfor sin opprinnelige programmering, og dybdekunnskap, som er en type maskin læring som prøver å etterligne det menneskelige hjerne med mange lag av beregningen. Disse lagene er kalt nevrale nettverk, basert på nevrale nettverk inne i hodene våre.

Så maskinlæring kan være i stand til å oppdage en spam-melding i innboksen basert på spam, er det sett før, selv om egenskapene til den innkommende e-post ikke var opprinnelig kodet inn i filteret—det er lært hva spam e-post.

Dyp læring er veldig lik, bare mer avansert og nyansert, og bedre på visse oppgaver, spesielt i datamaskinen visjon—”dyp” bit betyr en hel masse mer data, flere lag, og smartere vekting. Det mest kjente eksempel er å være i stand til å gjenkjenne hva en hund ser ut som fra en million bilder av hundene.

Ren gamle maskinlæring kunne gjøre det samme bildet anerkjennelse oppgave, men det ville ta lengre tid, trenger mer manuell koding, og ikke være så nøyaktig, spesielt som den utvalg av bilder økt. Med hjelp av dagens supersterke maskinvare, dyp læring (en bestemt tilnærming til maskinen for å lære, huske), er mye bedre på jobb.

Apple introduserer den Neurale Motor. Bilde: Apple

For å si det på en annen måte, en maskin læring system ville ha for å bli fortalt at kattene hadde værhår for å være i stand til å gjenkjenne katter. En dyp læring system ville fungere ut at kattene hadde værhårene på sin egen.

Husk at en AI-eksperten kunne skrive et volum av bøker på konsepter vi har bare dekket i et par avsnitt, slik vi har hatt for å forenkle det, men disse er de grunnleggende ideene du trenger å vite.

AI chips på smarttelefoner

Som vi sa i starten, i hovedsak, AI chips er å gjøre nøyaktig hva GPU chips gjøre, bare for kunstig intelligens, snarere enn grafikk—, og tilbyr en egen plass hvor beregningene spesielt viktig for maskinlæring og dyp læring kan gjennomføres. Som med Gpu-er og 3D-grafikk, AI chips gi CPU-tid til å fokusere på andre oppgaver, og reduserer batteriets tegne på samme tid. I betyr også at dine data er sikrere, fordi mindre av det har å bli sendt av gårde til skyen for behandling.

Så hva betyr dette i den virkelige verden? Det betyr at bildet anerkjennelse og behandling kan være en mye raskere. For eksempel, Huawei hevder at dens NPU kan utføre image anerkjennelse på over 2000 bilder i sekundet, som selskapet hevder er 20 ganger raskere enn det ville ta med en standard CPU.

Huawei Kirin 970 har en dedikert AI komponent. Bilde: Huawei

Mer spesifikt, det kan utføre 1.92 teraflops, eller en trillion floating point operations per second, når du arbeider med 16-bits flyttall. I motsetning til heltall eller hele tall, flyttall—med desimaler—er avgjørende for å beregninger kjører gjennom nevrale nettverk som er involvert med dyp læring.

Apple kaller sin AI-brikken, som er en del av den A11 Bionic chip, Nevrale Motor. Igjen, det er dedikert til maskinlæring og dybdekunnskap oppgaver—å gjenkjenne ansiktet, gjenkjenne stemmen, opptak animojis, og innse hva du prøver å ramme inn kameraet. Den kan håndtere rundt 600 milliarder operasjoner per sekund, Apple hevder.

App-utviklere kan tappe inn i dette gjennom Core ML, og enkel plug-and-play måte å innlemme image anerkjennelse og andre AI algoritmer. Core ML krever ikke iPhone X til å kjøre, men det Nevrale Motoren håndterer disse typer oppgaver raskere. Som med Huawei chip, den tiden tilbringer lossing alt dette databehandling i skyen bør være vesentlig redusert, teoretisk forbedre ytelse og igjen for å minske belastningen på batteriet.

AI chips, gjenkjenne ansikter nå, og mye mer snart. Bilde: Apple

Og det er egentlig hva disse brikkene er i ferd med: Håndtering av bestemte typer programmering oppgaver som maskinlæring, dybdekunnskap, og nevrale nettverk stole på, på telefon, raskere enn CPU eller GPU kan administrere. Når Face ID fungerer på et blunk, har du sannsynligvis Nevrale Motoren for å takke.

Er dette fremtiden? Vil alle smartphone uunngåelig komme med dedikert AI chips i fremtiden? Som rollen som kunstig intelligens på våre telefoner vokser, svaret er trolig ja. Qualcomm chips kan allerede bruke bestemte deler av CPU for spesifikke AI oppgaver, og separat AI chips er neste trinn. Akkurat nå disse brikkene blir bare utnyttet en liten del av oppgavene, men deres betydning er kommer til å bare vokse.

SHARE