Künstliche Intelligenz künftig in Smartphones

Autor: Sebastian Thelen
Datum: 20.02.2018

ARM entwickelt passende Soft- und Hardware

Chip-Designer ARM gab nun bekannt, an Software und Hardware für künstliche Intelligenz (AI – Artificial Intelligence) in Smartphones, IoT-Geräten, Wearables, Drohnen und virtueller Realität zu arbeiten. „Project Trillium“ ist der Name einer Ansammlung von verschiedenen Software-Lösungen und Hardware, welche mit niedrigem Stromverbrauch und auf kleinem Raum arbeitet. So können für spezielle KI-Operationen, beispielsweise das maschinelle Lernen oder Objekterkennung, optimierte Leistungen entwickelt werden.

Auch zahlreiche große Technologieunternehmen wie Google, Intel oder IBM versuchen Lösungen für künstliche Intelligenz zu entwickeln. Beispielsweise Huawei gab jüngst ein Smartphone mit einer dedizierten KI-Komponente heraus.

ARM’s Spezialgebiet ist nach wie vor das eigene Chip-Design des Mobilfunk-Marktes. Aufgrund dessen ist ARM einer der Nachzügler in Sachen dediziertes KI-Angebot. Jedoch wurde bereits eine Erweiterung für ARMv8.2 veröffentlicht, welche zusammen mit einem Instruction-Set die Implementierung von neuralen Netzwerken vereinfacht. Auch eine GPU namens Mali-G72 dient zur Unterstützung von Installationen für künstliche Intelligenz. Eine eigene „Plattform“ für KI besitzt ARM jedoch nicht.

ARM stellte einen ML-Prozessor für Machine Learning und einen weiteren für Object Detection (OD) vor. Die Technologie für OD bezog ARM aus der Übernahme von Apical in 2016. Der OD-Prozessor soll bereits im ersten Quartal 2018 ausgeliefert werden, während der ML-Prozessor Mitte des Jahres ausgeliefert werden soll. Wegen des SoC-Designs findet der Einbau der ersten Prozessoren in Smartphones wahrscheinlich erst 2019 oder 2020 statt. Dann können die Designs auch in einen dynamischen Cluster mit der CPU eingebaut werden.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Durch den ML-Prozessor können Anwender höhere Leistungen für Machine Learning erzielen, als bei der Ausführung von Operationen über die CPU oder GPU. Die Workloads mit ML benötigen ein besonderes Speichermanagement für eine Leistungssteigerung, da manche Daten häufiger abgerufen werden. Der ML-Prozessor soll über einen theoretischen Durchsatz von über 4,6 TOPs (8-bit integer) bei einem Verbrauch von 1.5W verfügen. Dies bedeutet ein ARM 3 TOPs/W. Diese Schätzungen wurde auf der Grundlage einer Implementierung in einem 7 Nanometer-Verfahrung erstellt.

Der OD-Prozessor verfügt über traditionelle Bilderkennung. In diesem Bereich kann der ML-Prozessor diese Aufgaben über ein neuronales Netz bearbeiten, jedoch besitzt der OD mehr Leistung. Die entsprechende Hardware ist somit auf eng gefasste Arbeitslasten hin optimiert. Generell bleibt abzuwarten, wohin die Entwicklungen der künstlichen Intelligenz im mobilen Umfeld führen.

ARM hat bereits eine Reihe von Software-Tools bereitgestellt, die Entwickler bei der Entwicklung neuer Anwendungen der Prozessoren unterstützen sollen. Diese sind über die Entwicklerseiten von ARM oder GitHub abrufbar.