En norsk fiskeflotta är beroende av Recognetics artificiella hjärna för sortering av fisk. Allt som dras upp passerar digital optik med Recognetics chip och kastas i sjön om chipets analys gör tummen ner. Att frakta skadad eller fel fisk i hamn är bland det mest oekonomiska en fiskeflotta kan göra.
Allt som handlar om att känna igen mönster i data är möjliga tillämpningar för chipet. Man lägger en digital representation av objektet på ingångarna, och får ut ett tal mellan noll och 65535 som anger det okända
Det förekommer ingen konventionell programmering, och därför har kretsen skämtsamt döpts till ZISC, Zero Instruction Set Computer. ”Programmeringen” sker genom att kända exempel visas upp för kretsen.
Kretsen används bland annat för militär målföljning, ansiktsigenkänning
KTH-professorn Tomas Lindblad använder chipet för att detektera kärnpartiklar och spåra stjärnor.
- Det finns också många tillämpningar som vi inte känner till, berättar Guy Paillet, en av företagets grundare.
- Vi känner inte till alla som köpte kretsen. Det har sålts kanske några få tusen exemplar.
Tidigare versioner av kretsen består av 78 artificiella neuroner som tar 64 byte indata och har en klassificeringstid på en sekund. I augusti startar volymproduktionen av uppföljaren CM1K som har 1000 neuroner och 256 byte indata. Och en klassificeringstid på 10 mikrosekunder vilket utan problem räcker för att klassificera varje bild i en video, och dessutom vila ut mellan bilderna.
Algoritmerna i sig är allmängods i AI-samfundet. Men CM1K är massivt parallell och det är i praktiken
En artificiell hjärna Cognimem 1K (CM1K) tillverkas av OKI i 130 nm för 27 MHz. Kretsen är 8 x 8 mm och består av 10 miljoner grindar. Var och en av de 1000 neuronerna använder 4000 grindar. Kretsen drar 0,5 Watt när den används för 60 klassificeringar i sekunden. Priset blir 30 dollar styck i serier om 10 000. Varje neuron är en minnescell, en vektor, som pekar ut en longitud och en latitud på en sfär. Indata är en punkt på sfären. Den neuron som ligger närmast avgör klassen. Under träningen sker motsatsen, de närmaste neuronerna av förväntad typ flyttas flyttas ett litet steg närmare träningsexemplets punkt. Träningsalgoritmen kallas Restricted Coulomb Energy (RCE). I verkligheten är punkterna inte tvådimensionella utan 256-dimensionella. |
Kretsen är dessutom skalbar på ett löjligt enkelt sätt: kretsarna staplas på varandra. Och fantastiskt nog stannar klassificeringstiden på tio mikrosekunder hur många kretsar du än staplar. Utgångarna kopplas samman i en öppen kollektorbuss till OR-grindar. Neuronerna jämför lokalt bit för bit och backar ur vid första bästa bit som är sämre än unionen.
Denna del av tekniken anser Guy Paillet själv är företagets nyckelpatent. Utan den snabba klassificeringen är inte tekniken lika användbar.
-Det är fullt möjligt att stapla tusen moduler och få ett nät med en miljon neuroner och få samma klassificeringstid, säger Guy Paillet.
-Vi designar faktiskt ett projekt med franska militären om att bygga en Big Artificial Brain, där vi kopplar samma tio eller kanske hundra miljoner neuroner av den här grundmodulen.
Utöver CM1K och den stapelbara moduler har Recognetics tagit fram ett litet CM1K-kamerakort.
Varför finns det en skepsis mot artificiella neuronnät?
- Alla har sett tekniken förut och ”vet” redan att den inte fungerar, säger Guy Paillet.
- Men det var likadant med mobiltelefonen. Den hade ingen marknad för 20 år sedan. Det var för att den var stor och dyr. Nu är mobilen liten och billig. Och detsamma gäller artificiella neuronnät med vårt nya chip, säger Guy Paillet, vd och företagets teknikgrundare.
Vilka svenska företag skulle kunna vara intresserade?
- Många. SKF exempelvis. Vi skulle kunna stoppa in chips med memssensorer i kullager för att detektera underliga vibrationer som indikerar att det behövs underhåll.
Ett förslag till Ericsson är att satsa på övervakning via GSM som en ny killerapplikation.
- En sensor skulle kunna övervaka på egen hand och skicka information per sms när det finns något intressant att berätta