Wie sich analoge und neuromorphe Chips im Zeitalter der Robotik zeigen werden
Im Bereich der neuen Technologien und Produkte sind wir daran gewöhnt, dass die „Figur“ ein Synonym für alles Fortgeschrittene, Moderne und High-Tech ist und das „Analoge“ für alles Retrograde, Veraltete und Low-Tech.Aber wenn Sie denken, dass das Analogon gestorben ist, irren Sie sich. Die analoge Verarbeitung ist nicht nur eine Schlüsselkomponente der vielen wichtigen Systeme, auf die wir uns verlassen, sondern ebnet auch den Weg für eine neue Generation von Computern und intelligenten Systemen, die den sehr interessanten Technologien der Zukunft zugrunde liegen: künstliche Intelligenz und Robotik.Bevor wir über das Wiederaufleben von Analog diskutieren - und warum Ingenieure und Innovatoren, die an KI und Robotern arbeiten, darauf achten sollten - müssen wir die Bedeutung und das Erbe des alten analogen Zeitalters verstehen.Liebe zum Analogon
Während des Zweiten Weltkriegs spielten analoge Schaltkreise eine Schlüsselrolle beim Betrieb der ersten automatischen Luftverteidigungssysteme , und in den folgenden Jahrzehnten wurden analoge Computer benötigt, um die Flugwege von Raketen und Raumfahrzeugen zu berechnen.Das Analogon setzte sich in Steuerungs- und Kommunikationssystemen in Flugzeugen, Schiffen und Kraftwerken durch. Einige dieser Systeme funktionieren noch heute. Vor nicht allzu langer Zeit steuerten die analogen Schaltkreise große Teile der Telekommunikationsinfrastruktur (erinnern Sie sich an die Telefone mit Disk Dialern?) Und sogar Kopierer im Büro, als frühe Fotokopiergeräte Bilder ohne ein einziges digitales Bit reproduzierten.Die Liebe zum Analogon besteht schon so lange, weil diese Technologie ihre Genauigkeit, Einfachheit und Geschwindigkeit immer wieder unter Beweis gestellt hat. Sie korrigierte den Lauf der Raketen, führte Schiffe, nahm Musik und Videos auf und spielte sie, vereinte uns jahrzehntelang. Und dann, in den 1960er Jahren, erschien eine Figur und eroberte schnell die Welt.
Rückkopplungsvergaser machten ein effizienteres brennbares Gemisch basierend auf Abgas. Aufgrund ihrer Komplexität und Unsicherheit wurden sie jedoch schnell durch digitale Kraftstoffeinspritzsysteme ersetzt.Königreichszahlen
Warum hat die Nummer das Analog ersetzt? Die größte Schwäche des Analogons ist die mangelnde Flexibilität. Wenn Sie versuchen, ihm Flexibilität zu geben, wächst die Komplexität des Systems exponentiell. Die Komplexität führt zu einer Abnahme der Zuverlässigkeit, und die Ingenieure stellten fest, dass das Gesetz von Moore Berechnungen zuverlässig und kostengünstig macht.Zu diesem Zeitpunkt verbreiten MEMS- und Mikroforming-Technologien Sensoren, die physikalische Signale empfangen und in digitale umwandeln. Sehr schnell machten Operationsverstärker Logikgattern Platz, die exponentiell billiger wurden. Anstelle von mechanischen Verbindungen wurden Informationen per Kabel übertragen , und die Designer brachten die Digitalisierung von allem an ihre Grenzen.In der modernen Welt der Unterhaltungselektronik wird ein Analog nur zur Interaktion mit Menschen, zur Erfassung und Erzeugung von Tönen, Bildern und anderen Sinnen verwendet. In großen Systemen wird ein Analog verwendet, um die Räder und Lenkräder von Maschinen, die uns in unserer analogen Welt bewegen, physisch zu drehen. In den meisten anderen Systemen versuchen die Ingenieure jedoch, die digitalen Signale optimal zu nutzen. Die Vorteile der digitalen Logik - niedrige Kosten, Geschwindigkeit, Zuverlässigkeit, Flexibilität - haben Ingenieuren eine Allergie gegen analoge Verarbeitung beschert.Jetzt, nach einer langen Pause, beginnt sich Carver Meads Vorhersage über die Rückkehr des Analogons zu erfüllen."Adaptive analoge Großsysteme sind widerstandsfähiger gegen Komponentenverschlechterung und Fehler als herkömmliche Systeme und verbrauchen weniger Energie."Mead , Professor an der Caltech und Pionier der Mikroelektronik, schrieb 1990 in einem Artikel für die Proceedings of the IEEE. "Daher wird die adaptive analoge Technologie wahrscheinlich das volle Potenzial der Herstellung von Siliziumchips ausschöpfen."
Jeder liebt ein Analog
Elektronikentwickler betrachten das Analoge als notwendiges Übel für die Interaktion mit der Außenwelt. Es stellt sich jedoch heraus, dass KI- und Deep-Learning- Algorithmen auf analogen und neuromorphen Computerplattformen besser funktionieren.In meiner Firma Lux Capital haben wir Nervana gesponsert , das spezielle integrierte Schaltkreise gebaut hat, an denen Faltungs-Neuronale Netze gearbeitet haben, um das Training von Deep-Learning-Algorithmen zu beschleunigen. Und obwohl mathematische Operationen digital ausgeführt wurden, ahmte die Architektur des Systems das menschliche Gehirn auf hohem Niveau nach.Inspiriert von der Natur
Wenn Sie jemanden (sogar ein Kind) bitten, den Roboter zu skizzieren, erhalten Sie wahrscheinlich ein Bild, das an Rosie, das Robotermädchen von The Jetsons oder C-3PO von Star Wars erinnert. Und das ist nicht überraschend - diese Art von Robotern wird seit Jahrzehnten in Science-Fiction-Büchern, Fernsehen und Filmen beschrieben. In letzter Zeit entwickelt sich die Idee von Robotern und deren Aussehen. Bitten Sie den Millennial , ein Beispiel für einen Roboter zu nennen, der möglicherweise Roomba, Amazon Echo oder sogar Siri heißt.
Es gibt einen stetigen Trend zur Intellektualisierung und Robotisierung einer zunehmenden Anzahl von Geräten und anderen Systemen, die in unserem Leben vorhanden sind. Diese Systeme erfordern kleine, tragbare Computer und Computer mit geringem Stromverbrauch. Sie müssen jederzeit antworten können. Dies ist eine komplexe Reihe von Aufgaben für moderne Systeme, die normalerweise eine angemessene Menge an Energie verbrauchen (es sei denn, sie befinden sich im Standby-Modus) und mit Cloud-Diensten verbunden sein müssen, um nützliche Funktionen auszuführen. Hier kann auch das Analog helfen.Wissenschaftler lassen sich von der Natur inspirieren und experimentieren mit Sehen und Hören mit analogen Schaltkreisen, die einen kleinen Teil der Energie verbrauchen. Stanford Brains im Silicon- Projekt und das IC Lab der University of Michigan erhalten UnterstützungDARPA SyNAPSE und das Forschungslabor der US-Marine entwickeln Werkzeuge, um die Erstellung analoger neuromorpher Systeme zu erleichtern. Es erscheinen wenig bekannte Startups. Anstatt tiefe Netzwerke auf herkömmlichen digitalen Schaltkreisen zu betreiben, entwickeln sie analoge Systeme, die ähnliche Berechnungen mit viel geringeren Energiekosten durchführen können, inspiriert von unseren analogen Gehirnen.Lärm ist kein Problem
Warum sollten wir auf analog umschalten? Es ist ganz einfach: Wir befinden uns in einer einzigartigen Runde des Fortschritts, in der die neuronalen Netze, die wir entwickeln wollen, besser für analoge Systeme geeignet sind, während eine explosive Nachfrage nach solchen KI-Systemen erwartet wird.Herkömmliche harte Algorithmen funktionieren nur, wenn die Berechnungen genau sind. Wenn die Schaltungen, auf denen die herkömmlichen Algorithmen arbeiten, nicht genau sind, geraten Fehler außer Kontrolle und breiten sich im System aus. In neuronalen Netzen muss der interne Zustand nicht genau und klar sein, und das System passt sich an, um das gewünschte Ergebnis basierend auf gegebenen Eingabeparametern auszugeben. Unser Gehirn ist ein sehr lautes System, das hervorragend funktioniert. Ingenieure lernen, dass auch sie mit ähnlichen „verrauschten“ Ansätzen tiefe Netzwerke auf Siliziumchips aufbauen können - und dabei hunderte Male Energie sparen.Die Auswirkungen sind weit verbreitet. Stellen Sie sich vor, dass tragbare Geräte oder Assistenten wie Amazon Echo in Zukunft fast nie mehr Energie verbrauchen und diese sogar aus der Umwelt extrahieren können und keine Stromkabel oder Batterien benötigen. Oder stellen Sie sich ein Gadget vor, das nicht mit der Cloud verbunden sein muss, um intelligent zu sein. Seine „Intelligenz“ reicht aus, um auch ohne WLAN und Mobilfunk zu arbeiten. Und dies ist nur der Anfang einer neuen Kategorie von KI und Robotern, die in naher Zukunft erscheinen wird - und das alles dank des guten alten Gegenstücks.Source: https://habr.com/ru/post/de398443/
All Articles