Realistiska neuroner för videoövervakning

Sju gånger effektivare än konventionella neuronnät som körs i en grafikkärna. Det hävdar Brainchip om sin FPGA-accelerator Brainchip Accelerator, som påstås vara den första kommersiella produkten av sitt slag.

Härmar hjärnans finare detaljer

Brainchips grundare Peter van der Made har arbetat kommersiellt med artificiell intelligens sedan 2004 då han grundade Vwisp, idag kallat Brainchip.

Han arbetar som många andra just nu med artificiella neuronnät, men följer ett spår där den biologiska likheten har drivits längre än i de neuronkärnor som nu sitter i exempelvis Apples senaste mobilchip.

Riktiga biologiska neuronnät skickar spikladdningar till varandra, de marscherar inte synkroniserat, de kan lära sig på plats, de innehåller massor av fysiska neuroner som skickar signaler direkt mellan sig, med mera. Ju fler av de här egenskaperna som efterhärmas – åtminstone simuleras – i en fysisk implementation, desto mer ”neuromorf” är den.

För Peter van der Made är spiksignaleringen en viktig poäng och det är det som han närmare bestämt hävdar att Brainchip är först med – en kommersiell produkt som använder ett spiksignalerande neuronnät.

En poäng med neuromorfa chip är att de kan användas för hjärnforskning.

Men det finns också en förhoppning att de biologiska mekanismerna i sig kan göra artificiella neuronnät mer kraftfulla, strömsnåla eller flexibla. Peter van der Made är unik i det avseendet att han hävdar att han redan idag har en kommersiell neuromorf produkt som klår konventionella ”ickeneuromorfa” neuronnät.

Amerikansk-australisk-nederländska Brainchip ger sig in på marknaden för bildigenkänning i övervakningssystem med ett FPGA-kort som avviker från huvudfåran inom artificiella neuronnät genom att använda så kallade ”neuromorfa” beräkningar – se faktaruta intill.

Företaget hävdar att tekniken ger bättre prestanda på bildigenkänning än konkurrerande lösningar med de så kallad djupa neuronnät som är vanliga idag.

Brainchips FPGA-kort kan ta in 16 parallella videosignaler. Sedan tidigare har Brainchip en produkt – Brainchip Studio – som simulerar neuronnät på en vanlig CPU. Den nya FPGA-implementeringen är sex gånger snabbare och mycket energisnålare.

Kortet ska också ha en prestanda som är sju gånger högre än GPU-accelererad bildigenkänning med djupa neuronnät som Googlenet eller Alexnet, om man mäter i bilder per sekund per watt.

Brainchip Accelerator är ett åttaspårigt PCI-Express-kort. FPGA:n är en Xilinx Kintex Ultrascale. Den laddas med sex stycken neuromorfa kärnor som var och en drar cirka en watt och behandlar 100 bilder i sekunden.

Tanken är att kortet ska kunna stoppas in i ett befintligt kameraövervakningssystem för att peka ut intressanta objekt. Kortet har ”mycket låg” strömförbrukning så det ska inte behövas någon extra strömförsörjning.

Enligt Brainchip används den tidigare CPU-mjukvaruprodukten Brainchip Studio av polis och säkerhetsorganisationer för att identifiera objekt i videofilm, både i arkivmaterial och i live-video. Den nya FPGA-acceleratorn låter dem fortsätta att göra samma sak, men med större kapacitet och lägre totalkostnad.

En intressant algoritmisk detalj är att bilderna som tas emot analyseras i flera olika inzoomningar för att öka chansen att hitta intressanta objekt.

Xilinx vittnar i Brainchips pressmeddelande och hävdar att Brainchip är unik i prestanda och strömsnålhet.

Brainchip Accelerator kan anslutas till Linux- och Windows-servrar. Företaget erbjudet även kortet för andra tillverkare att integrera i sina säkerhetsprodukter.

Brainchip ser tillämpningar inom övervakning, ansiktsigenkänning, spel och okulär besiktning.