Arm op dinsdag kondigde zijn nieuwe richting aan in "de meest schaalbare, veelzijdig ML-rekenplatform." Ze praten over hun nieuwe platform genaamd Project Trillium. Het project omvat een nieuwe Machine Learning (ML) -processor en een Object Detection (OD) -processor.

De Arm ML-processor (1) levert meer dan 4,6 biljoen bewerkingen per seconde en (2) een efficiëntie van meer dan 3 biljoen bewerkingen per seconde per watt (TOPs/W), met "ongeëvenaarde" prestaties in "thermische en kostenbeperkte omgevingen".

Project Trillium is een codenaam, geen commerciële merknaam, voor Arm machine learning-technologie. De codenaam wordt vervangen door een commerciële merknaam.

Jem Davies, onderdirecteur, collega en algemeen directeur, machinaal leren, Arm, zei dat het project is "om een ​​nieuwe golf van uitvindingen in de wereld van kunstmatige intelligentie (AI) op gang te brengen, waarvan machine learning een belangrijk onderdeel is."

MIT Technology Review zei, Arm's "nieuwste mobiele processors zijn afgestemd om machine learning-algoritmen zo efficiënt mogelijk te kraken."

Dus, wat betekent dat allemaal voor consumenten die mobiele producten kopen? Hebben ze het over AI voor telefoons? Als MIT Technology Review zei, AI zal ons hardware brengen waarmee onze telefoons 'kunstmatige intelligentie-algoritmen' kunnen uitvoeren.

De nieuwe processors van ARM zijn gemaakt om verbeterde machine learning en neurale netwerkfunctionaliteit te leveren.

Arm's Jem Davies merkte op, "Inderdaad, mijn antwoord op de vraag:'Waarom zou je meer intelligentie in je apparaat introduceren?' is 'Waarom zou je niet, '" in een Arm-blog.

De processors zijn gericht op mobiele apparaten. "Gebruikers zullen genieten van hoge resolutie, echte tijd, gedetailleerde gezichtsherkenning op hun slimme apparaten geleverd op een batterijvriendelijke manier, ' zei Arm.

De Arm OD-processor is ontworpen om mensen en andere objecten te identificeren met "vrijwel onbeperkte objecten per frame, " met "Realtime detectie met Full HD-verwerking bij 60 frames per seconde."

Hoewel de eerste lancering zich richt op mobiele processors, Hoewel, Arm zei dat er toekomstige Arm ML-producten zullen zijn met de mogelijkheid "om de prestatiecurve omhoog of omlaag te bewegen - van sensoren en slimme luidsprekers, naar mobiel, Home Entertainment, en verder."

Arms Jem Davies, onderdirecteur, collega en algemeen directeur, machinaal leren, verduidelijkt wat de mogelijkheden van de suite kunnen dienen in een realistisch scenario. (Davies is een gekwalificeerde duiker.)

"Stel je voor dat je 30 meter naar beneden bent, duiken boven een rif omringd door geweldig uitziende wezens en je afvragen wat voor soort het kleine gele visje met de zilveren strepen is. Je zou kunnen zoeken naar een viskaart, als je er een hebt, maar wat u echt wilt, is een eenvoudigere en snellere oplossing. Snel vooruit naar 2019, en technologie heeft gezorgd. Nu wordt uw waterdichte smartphone mogelijk gemaakt door Arm Machine Learning (ML) en Object Detection-processors. Jouw ervaring is heel anders."

Het duikmasker, zei Davies, zou u informatie geven via een heads-up display. "Een op Arm gebaseerde chip in uw smartphone is nu uitgerust met een geavanceerde Object Detection-processor die de belangrijkste scènegegevens filtert, terwijl een besturingssysteem een ​​krachtige Machine Learning-processor belast met gedetailleerde identificatie van vissen, andere interessegebieden en gevaren."

Jamie Condliffe binnen MIT Technology Review beoordeelde Arm's nieuws. "Momenteel, de meeste kleine of draagbare apparaten die machine learning gebruiken, hebben niet de pk's om AI-algoritmen uit te voeren, dus schakelen ze de hulp in van grote servers in de cloud." De oplossing van Arm heeft het voordeel van snelheid, met een mobiel apparaat met zijn eigen AI-software "de vertraging verminderen die inherent is aan het heen en weer verzenden van informatie."

Ook, hij zei, "Het bevalt privacyadvocaten, die worden getroost door het idee dat de gegevens op het apparaat blijven staan."

Gary Sims besprak dezelfde pluspunten in Android-autoriteit inclusief beveiligingsvoordelen door geen persoonlijke gegevens naar de cloud te hoeven sturen.

"Het argument voor het ondersteunen van gevolgtrekking (herkenning) op een apparaat, in plaats van in de cloud, dwingend is. Allereerst bespaart het bandbreedte. Naarmate deze technologieën alomtegenwoordiger worden, zou er een scherpe piek zijn in het heen en weer sturen van gegevens naar de cloud voor herkenning. Ten tweede bespaart het stroom, zowel aan de telefoon als in de serverruimte, omdat de telefoon zijn mobiele radio's (Wi-Fi of LTE) niet langer gebruikt om gegevens te verzenden/ontvangen en er geen server wordt gebruikt om de detectie uit te voeren."

Wat betreft latentie, Sims merkten ook op dat de resultaten sneller worden geleverd als de gevolgtrekking lokaal wordt gedaan.

Tegelijkertijd, Condliffe wees erop dat Arm niet de enige speler is die mobiele AI-chips verkent. Condliffe merkte op (1) een neurale motor in iPhone X als onderdeel van zijn belangrijkste chipset (2) Huawei's Mate 10-smartphone met een chip die hij neurale verwerkingseenheid noemt en (3) de Pixel 2-handset met een chipset "om het beeld en machine learning problemen."

Sims zei, "we zouden ergens in 2019 SoC's met ingebouwd moeten zien."

"Machine learning is inderdaad het hot nieuwe onderwerp in de halfgeleiderindustrie en heeft de afgelopen maanden met name een grote aandacht gekregen in de mobiele wereld, " zei Andrei Frumusanu in AnandTech , met aankondigingen van bedrijven.

© 2018 Tech Xplore