Система под названием MCUNet создает компактные нейронные сети, которые обеспечивают высокую скорость и точность глубокого обучения на устройствах Интернета вещей, несмотря на ограниченную память и вычислительную мощность. Заявляется, что эта технология может способствовать расширению мира IoT при одновременной экономии энергии и повышении безопасности данных.
MCUNet состоит из двух компонентов, необходимых для «миниатюрного глубокого обучения». Одним из них является TinyEngine — механизм, аналогичный операционной системе. TinyEngine оптимизирован для работы с конкретной структурой нейронной сети, которая выбирается другим компонентом — TinyNAS — алгоритмом поиска нейронной архитектуры.
Спроектировать глубокую сеть для микроконтроллеров было непросто. Она могла неплохо работать с графическими процессорами или смартфонами, но было трудно напрямую применить эти методы к микроконтроллерам.
Алгоритм TinyNAS разработал Джи Линь, аспирант лаборатории Сон Хана на факультете электротехники и компьютерных наук MIT. TinyNAS может создавать компактные нейронные сети с наилучшей производительностью для определенного микроконтроллера.
В рамках эксперимента MCUNet успешно классифицировал 70,7 % новых изображений на тестовом коммерческом микроконтроллере, в то время, как предыдущая комбинация нейронной сети и алгоритма давала только 54 % точности. Разработчики считают эти показатели огромным скачком, так как, по их мнению, даже однопроцентное улучшение считается значительным.
Авторы разработки надеются, что MCUNet станет новым отраслевым стандартом для микроконтроллеров и сделает устройства IoT более безопасными, так как ключевым преимуществом данной технологии является сохранение конфиденциальности из-за отсутствия необходимости передавать данные в облако.
Ранее сообщалось, что соцсеть «ВКонтакте» тестирует нейросеть для борьбы с хейтерами.
