Sie sind hier: HomeSteuerungsebeneIndustrie-PC

BrainChip: KI in Edge-Geräte: KI-Prozessoren arbeiten erstmals gehirnähnlich

Als erstes Unternehmen hat BrainChip einsatzreife KI-Prozessoren vorgestellt, die Künstliche Intelligenz (KI) in Edge-Geräte bringen sollen.

Lou DiNardo, CEO von BrainChip: »KI in Edge-Geräten wird so bedeutend und nützlich sein wie der Mikrocontroller.« Bildquelle: © Brainchip

Lou DiNardo, CEO von BrainChip: "KI in Edge-Geräten wird so bedeutend und nützlich sein wie der Mikrocontroller."

Denn die neuen Neuromorphic Systems on a Chip (NSoC) der Akida-Familie arbeiten auf in Basis der  Spiking-Neural-Network-Architektur (SNN) statt auf Basis der heute üblichen Convolutional Neural Networks. Die SNN-Prozessoren sind um den Faktor 100 effektiver als die CNN-Typen, sie sind klein, kostengünstig und stromsparend.

Damit sieht sich BrainChip als Vorreiter darin, Künstliche Intelligenz (KI) in Edge-Geräte zu bringen. Beispiele dafür sind Fahrerassistenzsysteme (ADAS), autonome Fahrzeuge, Drohnen, bildgesteuerte Robotik sowie Überwachungs- und Bildverarbeitungssysteme. Mehrere Akida-NSoCs lassen sich kaskadieren, um in zahlreichen Anwendungen wie Agrartechnik (AgTech), Cybersicherheit und Finanztechnologie (FinTech) komplexe neuronale Netze zu schulen und ein Inferencing durchzuführen.

Ein neuer Anbieter in einem großen Zukunftsmarkt

“Der Markt für KI-Beschleuniger-ICs wird bis zum Jahr 2025 an die 60 Mrd. Dollar überschreiten”, sagt Aditya Kaul, Research Director von Tractica, einem Marktforschungsunternehmen, das sich auf Künstliche Intelligenz spezialisiert. “Weil jetzt viele technische Hürden übersprungen wurden, kann die Branche in den nächsten Jahren eine neue Klasse KI-optimierter Hardware einsetzen.”

“Trotz größter Anstrengungen ist es keinem anderen Unternehmen gelungen, einen neuromorphen IC in Serie auf den Markt zu bringen”, erklärt Lou DiNardo, CEO von BrainChip. “KI am Netzwerkrand wird so bedeutend und nützlich sein wie der Mikrocontroller.”

Biologisch inspiriert

SNNs müssen keine aufwändigen mathematischen Gleichungen lösen, um die Gewichtungen für die neuronalen Netze zu finden, wie bei CNNs üblich. Sie müssen auch bei weitem nicht so zeit- und leistungsintensiv auf die jeweiligen Aufgaben angelernt werden wie CNNs.

Auf jedem Akida-NSoC sind effektiv 1,2 Mio. Neuronen und 10 Mrd. Synapsen intergriert, was eine 100-Mal bessere Effizienz mit sich bringt, als sie  neuromorphe Testchips von Intel und IBM erreichen. Vergleiche mit führenden CNN-Beschleunigern zeigen Leistungszuwächse um mehr als eine Größenordnung bei Bild-/Sekunden-/Watt-Benchmarks wie CIFAR-10 mit vergleichbarer Genauigkeit.

“SNNs gelten als die dritte Generation neuronaler Netze”, so Peter van der Made, Gründer und CTO von BrainChip. “Der Akida NSoC ist das Ergebnis jahrzehntelanger Forschung, um das optimale Neuronenmodell und innovative Trainingsmethoden zu ermitteln.”

Embedded- und  Co-Prozessor

Den Akida-NSoC hat BrainChip für den Einsatz als eigenständiger Embedded-Beschleuniger und als Co-Prozessor entwickelt. Er enthält Sensorschnittstellen für die herkömmliche pixelbasierte Bildgebung, dynamische Bildsensoren (DVS), Lidar, Audio und Analogsignale. Es verfügt auch über Hochgeschwindigkeits-Datenschnittstellen wie PCI-Express, USB und Ethernet.

Innovative Trainingsmethoden

SNNs sind von Grund auf Feed-Forward-Datenflüsse – für das Training und Inferencing. Das Akida-Neuronenmodell deckt innovative Trainingsmethoden für das überwachte und unbeaufsichtigte Training ab. Im überwachten Modus trainieren sich die ersten Ebenen des Netzwerks selbstständig, während in den letzten vollständig vernetzten Ebenen Label angewendet werden können. Damit dienen diese Netzwerke als Klassifizierungsnetzwerke. Der Akida NSoC ist so konzipiert, dass er in der Akida-Entwicklungsumgebung ein Off-Chip-Training ermöglicht – und ein On-Chip-Training. Eine integrierte CPU steuert die Konfiguration der Akida-Neuronen-Fabric sowie die Off-Chip-Kommunikation von Metadaten.

Die Akida-Entwicklungsumgebung ist ab sofort für Early-Access-Kunden erhältlich, die mit dem Erstellen, Training und Testen von Akida-NSoC-basierter SNNs beginnen wollen. Der Akida NSoC wird voraussichtlich im dritten Quartal 2019 als Muster zur Verfügung stehen.