(Bild: Brainchip)
Prognose des Marktvolumens von KI-Chipsets bis 2025 des Marktforschers Tractica. Tractica Deep Learning Chipsets, Q2 2018
Der Akida-Baustein ist klein, kostengünstig, stromsparend und eignet sich damit für Edge-Anwendungen wie Fahrerassistenzsysteme (ADAS), autonome Fahrzeuge, Drohnen, bildgesteuerte Robotik, Überwachungs- und Bildverarbeitungssysteme. Da er skalierbar ist, lassen sich viele Akida NSoCs (bis zu 1024) miteinander verknüpfen, um in zahlreichen Anwendungen wie Agrartechnik, Cybersicherheit und Finanztechnologie komplexe neuronale Netze zu schulen und Schlussfolgerungen (Inferencing) durchzuführen.
Zukunftsmarkt
Brainchip wurde 2013 vom jetzigen CTO und Vordenker Peter van der Made gegründet und ist seit 2015 an der Börse in Australien gelistet. „Der Markt für KI-Beschleuniger-ICs wird bis zum Jahr 2025 an die 60 Mrd. US-$ überschreiten“, konstatiert Aditya Kaul, Research Director bei Tractica, einem Marktforschungsunternehmen, das sich auf Künstliche Intelligenz spezialisiert. „Neuromorphe Computer versprechen eine schnellere KI, insbesondere bei stromsparenden Anwendungen. Da viele technische Hürden nun gelöst sind, wird die Branche in den nächsten Jahren eine neue Klasse KI-optimierter Hardware einsetzen.“
Klassifikation (Taxonomie) von Künstlicher Intelligenz. Brainchip
„Trotz größter Anstrengungen ist es bisher keinem anderen Unternehmen gelungen, einen neuromorphen IC in Serie auf den Markt zu bringen“, so Lou DiNardo, CEO von Brainchip. Der erfahrene Manager war zuvor unter anderem auch CEO von Xicor, Intersil und Exar. „Akida, griechisch für ‚Puls/Spitze’, ist der erste Baustein einer neuen Generation von KI-Hardwarelösungen. KI am Netzwerkrand wird so bedeutend und nützlich sein wie der Mikrocontroller. Mit dem Akida NSoC wird Brainchip wegweisend sein. Unsere kürzlich vorgestellte Entwicklungsumgebung wird nun durch eine detaillierte Beschreibung der Architektur ergänzt. Im Rahmen einer Multi-Market-Strategie arbeiten wir mit großen weltweiten Anbietern zusammen, um eine schnelle Markteinführung des Akida NSoCs zu ermöglichen.“
Akida: Biologisch inspiriert, digital ausgefeilt
Der Akida NSoC basiert auf einem reinen CMOS-Logikprozess, der hohe Ausbeute und niedrige Kosten ermöglicht. Gepulste neuronale Netze (SNNs) benötigen von Natur aus weniger Leistung als herkömmliche faltungsneuronale Netze (CNNs; Convolutional Neural Networks), da sie die rechenintensiven Faltungen und Fehlerfortpflanzungs-Trainingsmethoden durch biologisch inspirierte Neuronenfunktionen und Feed-Forward-Trainingsmethoden ersetzen. Jeder Akida NSoC weist effektiv 1,2 Mio. Neuronen und 10 Mrd. Synapsen auf, was eine 100-Mal bessere Effizienz mit sich bringt, als bei neuromorphen Testchips von Intel (Loihi) und IBM (True North). Loihi besteht Berichten zufolge aus 130.000 Silizium-Neuronen, die mit 130 Mio. Synapsen verbunden sein sollen. Vergleiche mit führenden CNN-Beschleunigern zeigen Leistungszuwächse um mehr als eine Größenordnung bei Bild-/Sekunden-/Watt-Benchmarks wie CIFAR-10 mit vergleichbarer Genauigkeit. Der Akida liegt in Neuronen- und Synapsen-Anzahl zwischen Honigbiene und Maus. Zum Vergleich, das menschliche Gehirn verfügt etwa bei 86 Mrd. Neuronen und 150 Billionen Synapsen.
Blockdiagramm des Akida-ICs. Brainchip
„SNNs gelten als die dritte Generation neuronaler Netze“, so Peter van der Made, Gründer und CTO von Brainchip. „Der Akida NSoC ist das Ergebnis jahrzehntelanger Forschung, um das optimale Neuronenmodell und innovative Trainingsmethoden zu ermitteln.“
Embedded oder als Co-Prozessor
Der Akida NSoC wurde für den Einsatz als eigenständiger Embedded-Beschleuniger oder als Co-Prozessor entwickelt. Er enthält Sensorschnittstellen für die herkömmliche pixelbasierte Bildgebung, dynamische Bildsensoren (DVS), Lidar, Audio und Analogsignale. Außerdem verfügt er über Datenschnittstellen wie PCI-Express, USB und Ethernet. Im NSoC befinden sich Daten-zu-Puls-Wandler, die gängige Datenformate optimal in Pulse/Spikes umwandeln, um von der Akida-Neuronen-Fabric trainiert und verarbeitet zu werden.
Innovative Trainingsmethoden
Peter van der Made, Gründer und CTO von Brainchip. „Der Akida NSoC ist das Ergebnis jahrzehntelanger Forschung...“ Brainchip
SNNs sind grundsätzlich Feed-Forward-Datenflüsse – sowohl für das Training als auch für Schlussfolgerungen. Das Neuronen-Modell deckt innovative Trainingsmethoden für das überwachte und unbeaufsichtigte Training ab. Im überwachten Modus trainieren sich die ersten Ebenen des Netzwerks selbstständig, während in den letzten vollständig vernetzten Ebenen Label angewendet werden können. Damit dienen diese Netzwerke als Klassifizierungsnetze. Der NSoC ist so konzipiert, dass er ein On-Chip-Training ermöglicht oder in der Akida-Entwicklungsumgebung ein Off-Chip-Training. Eine integrierte CPU steuert die Konfiguration der Neuronen-Fabric sowie die Off-Chip-Kommunikation von Metadaten.
Blockdiagramm der Akida Entwicklungsumgebung. Brainchip
Die Akida-Entwicklungsumgebung ist für Early-Access-Kunden erhältlich, die mit dem Erstellen, Training und Testen von Akida-NSoC-basierter SNNs beginnen wollen. Der NSoC wird voraussichtlich im dritten Quartal 2019 als Muster zur Verfügung stehen. Auf Grund des Standard-CMOS-Logikprozesses ist der Baustein in nahezu jeder Waferfab herstellbar. Aktuell werden dazu Geschäftspartner für Fertigung und Assembly ausgewählt. Es ist derzeit nicht geplant die IP an Dritte zu lizensieren. Die Bauelemente sollen etwa 10 US-$ kosten und später auch für unterschiedliche Temperaturbereiche und andere spezielle Kundenwünsche erhältlich sein.
