KI im Embedded-Einsatz: Erster neuromorpher SoC-Baustein angekündigt

Anbieter zum Thema

Syslogic GmbH

Axivion GmbH

Brainchip Holdings Ltd

Eine neue Art von Beschleunigungs-SoCs soll neuronale Netzwerke und Künstliche Intelligenz (KI) an den Netzwerkrand und in Unternehmen bringen: Brainchip hat mit dem Aikida den ersten in Serie erhältlichen, speziell auf SNNs (Spiked Neural Networks) ausgelegten SoC angekündigt.

BrainChip ist das erste Unternehmen, das eine gepulste neuronale Netzwerk-Architektur (SNN; Spiking Neural Network) in Serie auf den Markt bringen will: den neuromorphen System-on-Chip-Baustein (NSoC) Akida.

„Der Markt für KI-Beschleuniger-ICs wird bis zum Jahr 2025 an die 60 Mrd. US-$ überschreiten“, konstatiert Aditya Kaul, Research Director bei Tractica, einem Marktforschungsunternehmen, das sich auf Künstliche Intelligenz spezialisiert. „Neuromorphe Computer versprechen eine schnellere KI, insbesondere bei stromsparenden Anwendungen. Da viele technische Hürden nun gelöst sind, wird 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“, so Lou DiNardo, CEO von BrainChip. „Akida, griechisch für ‚Puls/Spitze’, ist der erste Baustein einer neuen Generation von KI-Hardwarelösungen. KI am Netzwerkrand wird so bedeutend und nützlich sein wie der Mikrocontroller.“

Emulation von Neuronen

Der Akida NSoC setzt auf sogenannte geupulste Neuronale Netze (Spiked Neural Networks), statt wie die die derzeit häufiger anzutreffenden Convolutional Neural Networks (CNN). „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.“

Die Idee: SNNs sollen Neuronen im menschlichen Gehirn emulieren, die Daten in Form von Impulsen weitergeben. Das sorgt für effizientere, weniger energiehungrige Arbeitsweise. Statt zum Beispiel ununterbrochen den gesamten Eingang aller Sensordaten durchgängig weiter zu übermitteln, wird immer nur dann ein Impuls abgesetzt, wenn sich etwas verändert. „Veränderungen sind Ereignisse" erläutert van der Made. „Immer wenn ein Ereignis stattfindet - beispielsweise eine von einem Sensor erfasste Änderung eines Pixels - wird ein Impuls generiert und entlang des Neuronenpfads weitergesendet." Es wird also nur dieses Ereignis, diese Pixelveränderung übermittelt - nicht der Gesamtzustand des Bildes. Ein SNN kann also auf die rechenintensiven Faltungen und Fehlerfortpflanzungs-Trainingsmethoden durch biologisch inspirierte Neuronenfunktionen und Feed-Forward-Trainingsmethoden, verzichten.

Jeder Akida NSoC weist effektiv 1,2 Mio. Neuronen und 10 Mrd. Synapsen auf. Dies verspräche eine 100-Mal bessere Effizienz, als sie beispielsweise der im vergangenen Jahr vorgestellte Loihi-Testchip von Intel besitzt. Vergleiche mit führenden CNN-Beschleunigern zeigen Leistungszuwächse um mehr als eine Größenordnung bei Bild-/Sekunden-/Watt-Benchmarks wie CIFAR-10 mit vergleichbarer Genauigkeit: Wärend Loihi nur auf unter 20 fps pro Watt käme, wären es bei Akida bereits 1400 fps/W.

Eigenständig für Embedded- oder Co-Prozessor-Anwendungen

Der Akida NSoC wurde für den Einsatz als eigenständiger Embedded-Beschleuniger oder 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. Im NSoC finden sich auch Daten-zu-Puls-Wandler, die gängige Datenformate optimal in Pulse/Spikes umwandeln, um von der Akida-Neuronen-Fabric trainiert und verarbeitet zu werden.

Der Akida NSoC ist so konzipiert, dass er in der Akida-Entwicklungsumgebung ein Off-Chip-Training ermöglicht – oder ein On-Chip-Training. Ein integrierter ARM-Core-Prozessor 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. Der angestrebte Preis für die Serienproduktion soll bei 10 US-$ pro Stück liegen.

Neuromorphe Chips: Computer sollen das Lernen lernen

Intel präsentiert selbstlernenden Chip

(ID:45487134)