Künstliche Intelligenz
Welche Prozessorarchitektur eignet sich am besten?
Fortsetzung des Artikels von Teil 3
Konsumgüter und IoT-Produkte
Künstliche Intelligenz findet sich auch in immer mehr Konsumgütern. Sprachassistenten wie Alexa erscheinen heute typischerweise in intelligenten Lautsprechern, aber auf dem Markt haben sich sprachgesteuerte Navigationssysteme im Auto etabliert und es erscheinen erste sprachgesteuerte Fernseher, Öfen, Smartwatches und Beleuchtung. Während Benutzer eine Verzögerung bei der Cloud-Verarbeitung für allgemeine Abfragen akzeptieren können, sollte ein Sprachbefehl zur Anpassung der Beleuchtung oder zum Wechseln des Fernsehkanals lokal verarbeitet werden, um eine schnelle Reaktion zu ermöglichen. Ein neuronales Netzwerk, das eine kleine Anzahl von grundlegenden Sprachbefehlen erkennen kann, benötigt relativ wenig Speicher und Rechenleistung.
Die meisten IP-Sicherheitskameras senden Videos zur Verarbeitung in die Cloud, aber dieser Ansatz verbraucht viel Bandbreite, insbesondere bei hochauflösenden Kameras. Einige intelligente Kameras enthalten stattdessen einen Prozessor, der die Bilder analysiert und erst dann in die Cloud sendet, wenn etwas Ungewöhnliches passiert. Drohnen können ähnliche Prozessoren verwenden, um ihre Umgebung zu analysieren und Hindernisse zu umfliegen oder den Benutzer über eine Skipiste oder einen Mountainbike-Trail zu verfolgen.
Prozessoren für Consumer-Anwendungen müssen die gewünschte KI-Leistung zu möglichst geringen Kosten erbringen. Viele Anwendungen erfordern auch kleine Chips, die so wenig Strom wie möglich verbrauchen. Selbst wenn ein Mikrocontroller über genügend Leistung verfügt, um die grundlegende Spracherkennung zu bewältigen, kann ein KI-Chip die gleiche Funktion mit einem Bruchteil der Leistung ausführen. Diese Energieeinsparung ist bei Smartwatches und anderen batteriebetriebenen Geräten von entscheidender Bedeutung.
Jobangebote+ passend zum Thema
KI muss ins Endgerät
Seit dem Aufkommen der Deep-Neural-Networks erobert die KI-Verarbeitung die Industrie und breitet sich in viele andere Bereiche aus, indem sie sowohl Geschäftsprozesse als auch den Lebensstil durch die Automatisierung einfacher Aufgaben verbessert. Um diese Verbesserungen vollständig zu implementieren, kann die KI-Verarbeitung nicht in der Cloud erfolgen, sondern muss im Endgerät passieren. Die effiziente Umsetzung dieser KI-Aufgaben erfordert neuartige Prozessoren für Autos, Drohnen, Sicherheitskameras, Konsumgüter, Wearables, medizinische Geräte und andere IoT-Systeme. Rechenzentren werden auch weiterhin eine wichtige Rolle spielen, insbesondere beim Training von DNNs, so dass Cloud-Service-Anbieter ebenfalls nach leistungsfähigeren Prozessoren für ihre KI-Bedürfnisse suchen.
Kein bestimmter Prozessortyp kann dieses breite Anwendungsspektrum mit unterschiedlichen Anforderungen hinsichtlich Rechenleistung, Energieaufnahme und Kosten erfüllen. Auf dem KI-Markt buhlen deshalb viele Produkte um die Gunst der Entwickler. Vom 400 W starken Xeon-Prozessor für Rechenzentren bis zum Mikrocontroller für batteriebetriebene Geräte eröffnen sich zahlreiche Möglichkeiten der Implementierung – abhängig vom Anwendungsfall und seiner Komplexität.
- Welche Prozessorarchitektur eignet sich am besten?
- Grafikprozessoren
- FPGAs
- Konsumgüter und IoT-Produkte
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
Das Gehirn als Vorbild
Memristoren für neuromorphe Computer
Adaptable Compute Acceleration Platforms
Neue Architekturen für KI-Hardware
Fraunhofer »Futuras in Res«
Wie intelligent ist KI?
