ЖУРНАЛ СТА 3/2019

ЦПУ общего назначения Как правило, каждая платформа AI имеет ЦПУ (CPU) для управления плат- формой, исполнения вспомогательных приложений и, возможно, пользователь- ского интерфейса. Кроме того, цент- ральные процессоры хорошо работают со смешанным потоком данных (напри- мер, аудио, текстом, изображениями и т.д.), процессами извлечения, преобра- зования и загрузки (Extract, Transform and Load – ETL). Графический процессор Графический процессор (GPU) – это специализированное ядро, используе- мое для обработки графики, и его архи- тектура хорошо подходит для рабочих нагрузок AI. Состоящий из сотен или тысяч микроядер, используемых для па- раллельного выполнения сложных ма- тематических и статистических вычис- лений, графический процессор справ- ляется как с задачами глубокого обуче- ния на основе нейронных сетей (Deep Neural Networks – DNN), так и с выво- дом; однако графические процессоры могут занимать много места и отли- чаются высоким энергопотреблением. Программируемая вентильная матрица Программируемая вентильная матри- ца (FPGA) имеет настраиваемые логи- ческие элементы, которые могут быть запрограммированы/перепрограмми- рованы для пользовательского прило- жения, обеспечивая высокий уровень гибкости. Специализированная интегральная схема ASIC – это специализированные ло- гические чипы, разработанные с ис- пользованием особых функциональных библиотек логических цепей. Такие яд- ра могут быстро выполнять сложные повторяющиеся вычисления, но они дороги, поскольку финансовые вложе- ния и затраты времени на их инжене- рию весьма значительны, а тиражируе- мость изделий невысока. ● Процессор обработки зрительных об- разов (Vision Processing Unit – VPU) – это маломощные специализирован- ные ASIC. Они компактны и приме- няются для решения задач компью- терного зрения и обработки изобра- жений. Хорошо подходят для пред- обученных моделей и в меньшей сте- пени для машинного обучения. ● Тензорный процессор (Tensor Processing Unit – TPU) разработан Google для нейронных вычислений (например, вывод). Эти специализированные ASIC оптимизированы для алгоритма машинного обучения Google, кото- рый называется TensorFlow. П РИМЕРЫ ПРИМЕНЕНИЯ AI ADLINK стремится помочь систем- ным архитекторам заставить AI эффек- тивно работать на гетерогенных ком- пьютерах (рис. 2). Приведём некоторые примеры задач компьютерного зрения. Автоматический оптический контроль Автоматический оптический конт- роль (Automated Optical Inspection – AOI) используется для выявления де- фектов продукта в ходе производствен- ного процесса, помогая обслуживаю- щему персоналу быстро решать пробле- мы с выходом продукта и его качеством. Машины AOI, основанные на высоко- производительных периферийных вы- числительных платформах ADLINK, обеспечивают обнаружение и иденти- фикацию дефектов практически в ре- альном времени и выполняют приложе- ния AI, используемые для накопления знаний в предметной области с целью лучшей классификации дефектов. Оптическое распознавание символов Ещё одним приложением компьютер- ного зрения является оптическое распо- знавание символов (Optical Character Recognition – OCR), используемое для считывания данных с графических дис- плеев устаревших машин, не подклю- чённых к системе. Встроенные графиче- ские процессоры, использующие алго- ритмы искусственного интеллекта на оборудовании гетерогенных вычисле- ний ADLINK, значительно увеличи- вают скорость и точность рабочих про- цессов OCR. Автономные мобильные роботы В новом поколении автономных мо- бильных роботов (Autonomous Mobile Robots – AMR) используются вычисле- ния AI с ускорением VPU для визуаль- ного управления и предотвращения столкновений. Эти возможности позво- ляют им приспосабливаться к измене- ниям в плане здания или в процессах за счёт простого обновления программного обеспечения, позволяющего роботам правильно ориентироваться и выпол- нять новые задачи. Мобильные роботы завтрашнего дня будут управляться про- граммным обеспечением роя, назначаю- щим задачи роботам на основе их до- ступности и местоположения, тем са- мым повышая их эффективность, про- изводительность и способность работать совместно друг с другом и с людьми. ОБ ЗОР / Т Е Х НОЛОГ ИИ СТА 3/2019 16 www.cta.ru Машинное зрение Глубокое обучение Обработка образов Распознавание объектов Классификация объектов Автономные мобильные роботы Автоматизированный оптический контроль Данные для принятия решений Распознавание символов Искусственный интеллект в каждом устройстве Рис. 2. Проектирование AI на базе гетерогенных вычислительных платформ