ARM představuje Project Trillium - platformu pro strojové učení

Strojové učení a neuronové sítě jsou ve spojitosti s mobilními procesory jednou z nejdiskutovanějších oblastí. Dlouho se čekalo, až se do této oblasti zapojí jeden z nejvýraznějších hráčů na poli mobilních procesorů – ARM. A trochu překvapivě jsme se konečně dočkali v tomto týdnu. ARM totiž představil Project Trillium.

Překvapující bylo toto oznámení především proto, že se společnost v poslední době zaměřovala především na rozšíření instrukční sady procesorů ARM v8.2. Současná vylepšení pro CPU a GPU sice měla pomoci při aplikování modelů strojového učení, bohužel však při porovnání se specializovanými řešeními ARM procesory stále ztrácejí. Především pak v případech, kdy se klade důraz na maximální výkon a účinnost. Prováděné úpravy nicméně společnosti pomohly připravit si půdu pro zcela nové a komplexní řešení.

I proto se zraky upíraly na blížící se MWC, kde se čekalo, že ARM představí něco velkého. Společnost nás ale překvapila, protože ještě před konáním samotného MWC odhalila Project Trillium – platformu pro nové procesory, které se specializují na oblast strojového učení a neuronových sítí.

Hlavním poznávacím znakem pro Project Trillium má, dle vyjádření společnosti, být maximální škálovatelnost. Využití bychom se tak mohli dočkat nejen v mobilních zařízeních, ale také například v chytrých reproduktorech, chytrých kamerových systémech, a mnoha dalších oblastech. Nová platforma se skládá z procesorů pro strojové učení (Machine Learning Processor), procesorů pro rozpoznávání objektů (Object Detection Processor) a softwarového řešení ARM NN. Pojďme si jednotlivé části představit postupně.

ARM Machine Learning Processor

V tiskové zprávě ARM v souvislosti s procesory určenými pro strojové učení nejčastěji zmiňuje slova efektivita a výkon. Na papíře je udávána propustnost až 4,6 TOPs (tera operací za sekundu). V kategorii mobilních procesorů se jedná zároveň o nejefektivnější řešení. ARM zmiňuje účinnost 3 TOPs/W.

Samotný procesor může pracovat nezávisle a být začleněn do existujícího SoC, nebo může být integrován do DynamIQ clusteru. Bohužel bližší informace o architektuře zatím k dispozici nejsou, tudíž na další detaily ohledně procesoru si budeme muset počkat.

ARM Object Detection Processor

Do kategorie tradičnějších typů procesorů spadá procesor pro rozpoznání objektů. Ten by měl pracovat v kombinaci s výše uvedeným procesorem pro strojové učení. Hlavním cílem procesoru je identifikace osob a dalších objektů v reálném čase.

Dle prvotních specifikací by měl rozpoznat objekty v reálném čase při Full HD rozlišení a 60 snímky za sekundu. Společnost zároveň slibuje až 80x větší výkon, než je zaznamenaný u tradičních DSP (digitální signální procesor). Mnohem většího výkonu bychom ale měli dosáhnout i v případě porovnání se staršími řešeními této společnosti.

Již jsem zmiňoval, že ARM předpokládá využití obou procesorů zároveň. Zatímco procesor pro detekci objektů dokáže rozpoznat základní objekty, procesor pro strojové učení dokáže jednotlivé osoby přímo rozpoznat. Oba procesory si předávají potřebná metadata a výsledkem může být například kategorizování fotografií dle osob, které se na nich vyskytují. Celý proces je znázorněn na obrázku níže.

ARM NN SDK

Posledním zmiňovaným blokem je ARM NN SDK. Tento softwarový balík tvoří můstek pro efektivní využití existujících rámců neuronových sítí bez nutnosti modifikací procesorů. Cílem balíku je pomoci především vývojářům, tudíž by mělo dojít ke zjednodušení a zrychlení vývoje. Výhodou ARM NN SDK je rovněž to, že se jedná o open-source řešení.

Procesory pro rozpoznání objektů by měli partneři společnosti obdržet již v 1. kvartálu letošního roku. Na procesory pro strojové učení si budou muset počkat zhruba do 1. poloviny letošního roku. Kdy se dočkáme prvních zařízení, která nové technologie budou využívat, je velmi obtížné odhadnout. Dle stávajícího vývoje v oblasti mobilních procesorů se spekuluje o polovině roku 2019, jako o nejbližším termínu.

Ačkoliv se ARM snaží ukázat tuto technologii v nejlepším světle, stále zde zůstává pár otazníků. Bohužel není možné v současnosti predikovat, jakým směrem se budou cílová odvětví ubírat. Tudíž vlastně dnes nevíme, zda mobilní či kamerový průmysl tato vylepšení ve skutečnosti využije. To se ale budeme muset již nechat překvapit.

Zdroje: arm.com, anandtech.com, developer.arm.com, developer.arm.com, developer.arm.com