Können von Insekten inspirierte neuronale Netze KI für das Internet der Dinge revolutionieren?

Forscher untersuchen, wie die Funktionen spezifischer Insektennervensysteme den Funktionen deterministischer, probabilistischer, flüchtiger und nicht-flüchtiger Speicher ähneln und wie diese Funktionen in hochleistungsfähigen, energieeffizienten, siliziumbasierten Nanosystemen für KI nachgebildet werden könnten.

In einer Ecke der KI/ML-Welt tut NVIDIA sein Bestes, um jeden, der in das Training einsteigen will, davon zu überzeugen, dass mehr reine Rechenleistung die Antwort ist. In der anderen Ecke verkündete CEA-Leti kürzlich, dass Elisa Vianello, Koordinatorin des Edge-AI-Programms, einen 3-Millionen-Euro-Zuschuss vom Europäischen Forschungsrat (ERC) erhielt, um neue Edge-AI-Systeme zu entwickeln, die von Insektennervensystemen inspiriert sind.

Laut Vianello besteht eine der größten Herausforderungen dabei, KI direkt auf IoT-Geräte zu bringen – was ihnen ermöglichen würde, autonome Entscheidungen auf Basis des Vergleichs von Sensoreingaben mit trainierten Daten und Entscheidungsbäumen zu treffen –, darin, dass aktuelle Chip-Architekturen bis zu 90 % ihres gesamten Energieverbrauchs für das Verschieben von Daten aufwenden, nicht für deren Verarbeitung.

Siehe auch: Forscher übertreffen Spracherkennungsmethoden mit Hilfe von Honigbienen

Wegen dieses Energieverbrauchs sind IoT-Geräte entweder in ihren KI-Fähigkeiten eingeschränkt oder müssen physisch an eine stabile Stromversorgung angebunden sein, was sie weit weniger flexibel macht, als es sich viele Organisationen wünschen. Umso mehr für eine vorgeschlagene Anwendung: implantierbare medizinische Diagnostik-Mikrochips, die stark vom Vertrauen des Nutzers in die Zuverlässigkeit des Geräts abhängen.

Wo liegt das Problem bei kleinskaligen Geräten? Es gibt schlicht keinen Speichertyp, der gleichzeitig hochdicht, hochauflösend, nicht-flüchtig und unendlich oft beschreibbar ist. Vianello sagt, dass viele Industrielabore und Forschungszentren versucht haben, In-Memory-Architekturen im Nanomaßstab zu entwickeln, die In-Memory-Verarbeitung nutzen, aber die Ergebnisse waren bestenfalls gemischt. DRAM beispielsweise ist flüchtig, was bedeutet, dass sein Inhalt bei Stromverlust gelöscht wird – ein häufiges Szenario in vielen IoT-Umgebungen. Nicht-flüchtige Speichertypen wie NVRAM haben ihre Haltbarkeit über die Jahre dramatisch verbessert; sie sind aber immer noch nicht完全 unfehlbar.

Vianello und ihr Team werden die Fördermittel nutzen, um zu erforschen, wie die Funktionen spezifischer Insektennervensysteme den Funktionen deterministischer, probabilistischer, flüchtiger und nicht-flüchtiger Speicher ähneln, und dann zu untersuchen, wie diese in „hochleistungsfähigen, energieeffizienten, siliziumbasierten Nanosystemen“ nachgebildet werden könnten. Vianello sagt: „Grillen treffen präzise Entscheidungen auf Basis langsamer, ungenauer und unzuverlässiger Neuronen und Synapsen, um ihren Fressfeinden zu entkommen. Betrachten wir ihre Biologie genauer, identifizierten wir eine Vielfalt von gedächtnisähnlichen Funktionen in ihren sensorischen und nervösen Systemen. Durch die Kombination dieser verschiedenen Funktionen erreicht das interne Computersystem der Grille erstaunliche Leistung und Energieeffizienz.“

Grillen verfügen beispielsweise über mehrere Sensoren an ihrem Körper sowie zahlreiche lokale Verarbeitungseinheiten in ihrem Abdomen, die kontinuierliches Lernen und Entscheiden ermöglichen, ohne das Zentralhirn einzubeziehen. Da es ein verteiltes Computersystem besitzt, trifft es Entscheidungen schneller – ohne Daten von einem Ort zum anderen übertragen zu müssen, bevor sie verarbeitet werden.

Das Ziel ist eine hybride Synapse, die mehr als eine Speichertechnologie auf einer kleinen, IoT-freundlichen Skala integrieren kann, was helfen würde, die Mängel jedes Systems zu umgehen und mindestens einen Teil der beim Datentransfer statt der Verarbeitung verschwendeten Energie mithilfe von KI/ML-Algorithmen zu eliminieren. Vianellos Team hofft, kleine Mengen verrauschter Daten – wie sie von Videokameras, Radar- oder EKG-Geräten erfasst werden – zu nehmen und Lernarten zu ermöglichen, die mit der aktuellen IoT-Computing-Architektur nicht möglich sind.

Neue Produkte, die durch Erkenntnisse aus Vianellos Team angetrieben werden, sind wahrscheinlich noch viele Jahre entfernt, und neue Paradigmen sind in der sich rasch wandelnden IoT-Welt willkommen. Da 46 % der Organisationen ihre 5G-Einführung beschleunigen, mehrere lebensfähige Standards für Edge Computing existieren und immer mehr ereignisgesteuerte Architekturen am Edge bereitgestellt werden, ist die Nachfrage nach schnelleren, effizienteren und mikroskaligen IoT-Lösungen bereits da.