Нейросеть научилась распознавать танки Т-72 с воздуха

Спутники, самолеты, растущее количество дронов: электронных глаз в небе все больше. И сейчас военные изучают возможность сделать их умнее при помощи чипов, созданных по образу человеческого мозга. Данные чипы смогут позволить технике автоматически определять такие объекты, как танки или противовоздушные системы.

Исследовательская лаборатория ВВС США (Air Force Research Lab — AFRL) сообщает о положительных результатах использования «нейроморфных» чипов IBM для идентификации военных и гражданских машин при помощи радаров. По сути, этот необычный чип выполняет те же задачи, что и обычный мощный компьютер. Только тратит в 20 раз меньше энергии.

AFRL заключила с IBM контракт на $550 тыс. в 2014 году, став, таким образом, первым заказчиком чипа TrueNorth. Он обрабатывает данные, используя сеть из миллиона элементов, имитирующих работу нейронов мозга млекопитающих, которые соединены 256 миллионами «синапсов».

Такие чипы совершенно не похожи на те, что устанавливаются в существующие компьютеры, и при решении определенных задач они намного эффективнее.

ВВС США это интересует по причине того, что таким образом они смогут использовать машинное зрение, обычно требующее больших вычислительных мощностей, в местах, где ресурсы и пространство ограничены. Спутники, самолеты, базы ВВС, работающие на генераторах, и компактные дроны — все они выиграют от новой технологии, считает старший инженер AFRL Кинг Ву.

«Задачи ВВС выполняются в воздухе, космосе и киберпространстве. И во всех этих сферах существуют крайне тонкие энергетические ограничения» — говорит Ву. Ву провел множество сравнений между TrueNorth и мощным компьютером Nvidia Jetson TX-1, который стоит $500 и разработан для упрощенного применения технологий машинного обучения на таких устройствах, как машины и мобильные роботы.

Устройства использовали разные варианты программного обеспечения на основе нейронных сетей, чтобы различить десять классов военных и гражданских автомобилей, представленных в комплекте данных MSTAR, который находится в открытом доступе. Среди них российские танки Т-72, БМП и бульдозеры. Обе системы достигли точности в приблизительно 95%, однако чипы IBM использовали в 20 или даже 30 раз меньше энергии.

Разработка IBM более эффективна при выполнении подобных задач. Обычный компьютер запускал свою нейронную сеть на комплектующих, которые можно назвать потребительскими, они созданы для решения любых задач. А чип TrueNorth разработан специально для искусственных нейронных сетей — он насчитывает миллион физических «нейронов», предназначенных для этого.

По словам Ву, одна из причин, по которой именно такая архитектура дает повышение эффективности, в том, что нейроны и синапсы этого чипа и хранят, и используют данные. В обычной системе, такой как Jetson TX-1, компоненты, которые производят вычисления, отделены от памяти. Получается, что данные должны перемещаться из одного в другое, чтобы их проанализировать, а потом обратно, чтобы их сохранить. На что тратится энергия и время.

Устройства использовали разные варианты программного обеспечения на основе нейронных сетей, чтобы различить десять классов военных и гражданских автомобилей, представленных в комплекте данных MSTAR, который находится в открытом доступе. Среди них российские танки Т-72, БМП и бульдозеры. Обе системы достигли точности в приблизительно 95%, однако чипы IBM использовали в 20 или даже 30 раз меньше энергии.

Разработка IBM более эффективна при выполнении подобных задач. Обычный компьютер запускал свою нейронную сеть на комплектующих, которые можно назвать потребительскими, они созданы для решения любых задач. А чип TrueNorth разработан специально для искусственных нейронных сетей — он насчитывает миллион физических «нейронов», предназначенных для этого.

По словам Ву, одна из причин, по которой именно такая архитектура дает повышение эффективности, в том, что нейроны и синапсы этого чипа и хранят, и используют данные. В обычной системе, такой как Jetson TX-1, компоненты, которые производят вычисления, отделены от памяти. Получается, что данные должны перемещаться из одного в другое, чтобы их проанализировать, а потом обратно, чтобы их сохранить. На что тратится энергия и время.