От уровня 5 энергопотребления до уровня 1 энергопотребления: почему «нейроморфные вычисления» важны для будущего автономного вождения?

В 2022 году Mercedes-Benz показал себя с лучшей стороны: энергоэффективный концепт-кар VISION EQXX проехал более 1200 километров на одной зарядке. Первоначальной целью было достижение запаса хода в 1000 километров (10 километров на киловатт-час электроэнергии). В конечном итоге на участке от Штутгарта (Германия) до Сильверстоуна в Нортгемптоншире была достигнута энергоэффективность почти в 12,1 километра на киловатт-час электроэнергии, то есть запас хода составил 1207 километров при 100 киловатт-часах электроэнергии.

В прошлом году был установлен новый рекорд потребления энергии — всего 7,4 кВтч на 100 километров.

В то время как люди сосредотачиваются на показателях энергоэффективности, Mercedes-Benz VISION EQXX на самом деле оснащен другой формой вычислений — «нейроморфными вычислениями». Mercedes-Benz также стал первым в мире производителем автомобилей, применившим технологию нейроморфных вычислений в легальных дорожных моделях. В то время Mercedes-Benz заявил, что эта технология может помочь VISION EQXX достичь и превзойти целевые показатели энергоэффективности, установленные Mercedes-Benz в реальных дорожных условиях.

Зачем автономному вождению нужны «нейроморфные вычисления»?

Недавно компания Mercedes-Benz снова подняла эту тему и заявила, что начала научно-исследовательское сотрудничество с Университетом Ватерлоо в Канаде в области нейроморфных вычислений.

Будь то компьютеры, мобильные телефоны, умные часы или умные автомобили, которые мы используем сейчас, их вычислительная архитектура принадлежит к классической архитектуре фон Неймана. Вычислительные блоки и блоки хранения в этой архитектуре разделены. Например, когда мы смотрим на конфигурации компьютеров и мобильных телефонов, мы всегда смотрим на модели центрального и графического процессоров, количество ядер и основную частоту, объем памяти и хранилища, а если говорить более подробно, то мы смотрим на пропускную способность памяти, скорость чтения и записи хранилища и так далее.

Это связано с тем, что в архитектуре фон Неймана информация закодирована в цифровой форме, обычно в двоичном формате, и подключена к независимым вычислительным блокам и памяти через шину для ввода информации и вывода результатов вычислений.

Это похоже на большой ресторан, где требуется рабочая сила, чтобы доставить ингредиенты со склада в холодильник на кухне, а затем вынуть их из холодильника, обработать, разложить по тарелкам и доставить к столу потребителя с помощью официантов. Этот процесс нельзя прерывать, иначе сидящие за столом потребители останутся голодными.

Архитектура фон Неймана существует уже несколько десятилетий и сейчас является весьма зрелой. В большинстве случаев мы не считаем это неуместным. Благодаря такой архитектуре мы, потребители, редко «голодаем». Это связано с тем, что современные игры, видео и офисное программное обеспечение разрабатываются с учетом узких мест производительности существующего оборудования. Пять или шесть лет назад разработчики игр не разрабатывали игры с оптическим отслеживанием, поскольку NVIDIA еще не выпустила эту технологию.

Раньше специалисты по кино и телевидению не производили видео в формате 8K, поскольку все, от съемочного оборудования до декодирующих чипов и оборудования для воспроизведения, не было готово.

Возьмем в качестве примера крупные рестораны. Поскольку процедуры обработки длительные, процессы сложные, а потребности клиентов разнообразны, им приходится запасаться различными ингредиентами, нанимать известных поваров, обучать официантов и выполнять различные задачи. Стоимость высока, персонал сложный, рабочий день долгий, а конечная цена для потребителей недешева.

Это недостаток архитектуры фон Неймана. Наиболее очевидным из них является низкая вычислительная эффективность (склад находится слишком далеко, холодильник полон, повар в отпуске, официант ленив, кухонная дверь слишком узкая и т. д., что скажется на эффективности подачи блюд) и высокое энергопотребление при эксплуатации (слишком много людей, сложное управление и высокие инвестиционные затраты).

Конечно, сила архитектуры фон Неймана заключается в ее точности и универсальности вычислений, так же как в хорошем ресторане можно приготовить множество блюд, каждое из которых будет очень вкусным.

Однако если клиенту особенно нравится жареный рис «Янчжоу» и он ест только его, то он, естественно, может ходить в большой ресторан, указанный выше, чтобы пообедать, но для клиента стоимость будет слишком высокой.

Этот «жареный рис из Янчжоу» может быть текущим расчетом ИИ или, точнее, расчетом вождения с помощью автомобиля и автономного вождения.

По данным, предоставленным Mercedes-Benz, если архитектура фон Неймана продолжит использоваться для интеллектуальных расчетов вождения, то текущий уровень L2 ассистируемого вождения будет потреблять от 70 до 100 Вт энергии. Это не большая нагрузка для новых энергетических батарей, которые потребляют десятки градусов электроэнергии и потребляют всего 1 градус электроэнергии в день.

Однако на этапе автономного вождения L4 потребление энергии может достичь 1000–3000 Вт, что значительно сократит запас хода автомобиля.

Конечно, мы можем надеяться на достижения в области технологий полупроводниковых процессов, аккумуляторных технологий и т. д., но мы должны понимать, что потребление энергии увеличивается в десять или даже в десятки раз при переходе от уровней интеллектуального вождения L2 к уровням L4, в то время как снижение потребления энергии, достигаемое за счет полупроводниковых технологий, часто составляет однозначные или двузначные процентные значения.

Поэтому отрасль надеется получить новую форму вычислений, специально предназначенную для сценария автономного вождения, а именно «нейроморфные вычисления», упомянутые ранее.

Как упоминалось ранее, сильные стороны архитектуры фон Неймана заключаются в ее акценте на логической точности и общих вычислениях, но ее эффективность низкая, а энергопотребление высокое. С другой стороны, нейроморфные вычисления хороши в распознавании образов, восприятии, обучении и адаптации, а их энергопотребление очень низкое.

Поскольку технологии интеллектуального вождения вступили в эпоху сквозного управления и полагаются на большие модели, особенно на использование больших моделей визуального языка, спрос на распознавание образов, восприятие, обучение и адаптацию становится все выше. Таким образом, «нейроморфные вычисления» постепенно стали цениться Mercedes-Benz и отраслью, став перспективной технологией для достижения автономного вождения высокого уровня.

Специально для Mercedes-Benz они сотрудничали с калифорнийской компанией BrainChip, занимающейся искусственным интеллектом, с целью разработки аппаратной и программной системы на основе нейроморфного системного чипа Akida от BrainChip и интегрировали ее в концепт-кар VISION EQXX.

Почему «нейроморфные вычисления» могут быть более энергоэффективными и безопасными при переходе от уровня 5 к уровню 1 энергопотребления?

Проще говоря, «нейроморфные вычисления» — это имитация механизма человеческого мозга для выполнения вычислений. Как автономное вычислительное устройство для вождения, человеческий мозг (без дорожной ярости) обладает преимуществами высокой производительности и низкого энергопотребления. Общее потребление электроэнергии составляет всего 20 Вт, что соответствует приготовлению двух паровых булочек на 100 километров.

С точки зрения механизма работы человеческого мозга, во время вождения, хотя сенсоры (глаза и уши) постоянно работают, следя за всеми направлениями и слушая во всех направлениях, человеческий мозг не всегда напряжен. Вместо этого он будет динамически корректировать свое рабочее состояние в соответствии с внешней средой. На загруженной дороге, полной большегрузных автомобилей, человеческий мозг, естественно, будет более напряженным, в то время как на открытой, ровной трассе с широким обзором люди будут более расслабленными.

Говоря более научным языком, передача информации в человеческом мозге основана на импульсных сигналах между нейронами и химической передаче в синапсах — механизме, который представляет собой основной метод коммуникации нервной системы. И этот механизм управляется событиями: например, чувствительные к движению ганглиозные клетки сетчатки генерируют импульсы только тогда, когда обнаруживают движение.

В своей технической вводной статье Mercedes-Benz заявил:

Суть нейроморфных вычислений заключается в моделировании работы человеческого мозга. Информация не кодируется в цифровой форме, а передается путем имитации нейронов и синапсов для генерации «импульсных сигналов». Соответствующие области «подсвечиваются» только при необходимости. Этот механизм «активации по требованию» не только устраняет недостаток медленных вычислений в традиционных вычислительных архитектурах, но и принципиально преодолевает ограничения, связанные с высоким и постоянным потреблением энергии. Нейроны и синапсы физически расположены рядом и интегрированы, что означает, что информацию импульсной нейронной сети не нужно повторно считывать из памяти.

Механизм внимания человеческого мозга, который иногда расслаблен, а иногда напряжен, также можно сравнить с «инверторным кондиционером». На заре развития систем кондиционирования воздуха они работали на низком уровне мощности и запускались и останавливались на полной мощности при заданной температуре, не принимая во внимание экономию электроэнергии. Пятиуровневая наклейка с указанием уровня энергопотребления стала доказательством его усилий и настойчивости.

Интеллектуальные кондиционеры с переменной частотой увеличивают мощность охлаждения при высокой температуре окружающей среды и в начале запуска, а затем снижают мощность после того, как температура достигает заданного значения. В основном он используется для поддержания комфортной температуры. Это не только экономит электроэнергию, но и снижает колебания температуры, позволяя телу чувствовать себя более комфортно.

Аналогично нейроморфные вычисления запускают вычисления только при получении информации и остаются бездействующими в остальное время, что значительно снижает энергопотребление при обработке данных.

На этом этапе мы можем обобщить некоторые характеристики нейроморфных вычислений: слияние хранения и вычислений, асинхронное, событийно-управляемое, а не последовательное выполнение инструкций, хорошие показатели распознавания образов, восприятия, обучения и адаптации, а также низкое энергопотребление.

На официальном сайте Mercedes-Benz компания сообщает о ряде совместных проектов и достижений в области нейроморфных вычислений:

Mercedes-Benz и Университет Ватерлоо подписали меморандум о взаимопонимании по сотрудничеству в исследованиях в области нейроморфных вычислений. Исследование сосредоточено на разработке алгоритмов для современных систем помощи водителю. Имитируя функции человеческого мозга, нейроморфные вычисления могут значительно улучшить вычислительные возможности искусственного интеллекта, сделав его более быстрым и энергоэффективным. Сохраняя дальность действия транспортного средства, системы безопасности могут лучше обнаруживать дорожные знаки, полосы движения и объекты, что позволяет им быстрее реагировать даже в условиях плохой видимости. Нейроморфные вычисления способны сократить потребление энергии для обработки данных автономного вождения на 90 процентов по сравнению с существующими системами. Сотрудничество с Университетом Ватерлоо дополняет ряд существующих исследовательских проектов Mercedes-Benz в области нейроморфных вычислений, один из которых посвящен нейроморфному сквозному обучению для автономного вождения.

Mercedes-Benz сотрудничает с партнерами, чтобы оценить, как нейроморфные вычисления могут быть использованы для оптимизации обработки радиолокационных данных в системах автономного вождения.

Mercedes-Benz также сотрудничает с Университетом прикладных наук Карлсруэ, и в основе этой работы лежат нейроморфные камеры, также известные как событийные камеры.

Этот комплекс работ, помимо снижения энергопотребления систем автономного вождения уровня L4 до 300 Вт, также играет более важную роль в обеспечении безопасности.

Благодаря основным техническим принципам «нейроморфные вычисления» обладают более высокой скоростью обработки и низкой задержкой, что достигается не только вычислительным центром, но и зависит от «камеры на основе событий (нейроморфной камеры)», упомянутой ранее.

Традиционные камеры фиксируют и анализируют изображения, анализируя все изображение целиком. Чем больше пикселей, тем больше информации, но в то же время тем больше требуется вычислительной мощности и энергопотребления. Нейроморфные камеры извлекают информацию на основе изменений небольшого количества пикселей высокой яркости на изображении (это изменение является «событием»). Этот процесс выполняется быстрее, чем покадровый анализ всего изображения, с гораздо меньшей задержкой и, следовательно, более безопасен.

Разумеется, в энергоэффективном концепт-каре VISION EQXX основным направлением нейроморфных вычислений является повышение скорости голосового пробуждения в автомобиле (скорость отклика снижена с 200 миллисекунд до 20 миллисекунд) и оптимизация взаимодействия человека с компьютером. До использования в сфере интеллектуального вождения ему пока еще далеко, поскольку сейчас он находится лишь на стадии L2.

#Добро пожаловать на официальный публичный аккаунт WeChat iFanr: iFanr (WeChat ID: ifanr), где вам будет представлен еще более интересный контент как можно скорее.

iFanr | Исходная ссылка · Просмотреть комментарии · Sina Weibo