Derin öğrenme her yerde karşımıza çıkıyor. Yapay zekanın bu dalı, kullandığınız sosyal medyayı düzenlemekten Google arama sonuçlarınızı sunmaya kadar birçok faaliyet yürütüyor. Derin öğrenme, yakında hayati vücut fonksiyonlarınızı kontrol edip termostatınızı da ayarlayabilir. MIT’de çalışan araştırmacılar, bu yapay sinir ağlarını yeni (ve çok daha ufak) yerlere sokabilecek bir sistem geliştirmişler. Bu yerler arasında; giyilebilir tıbbi cihazlarda bulunan ufak bilgisayar yongaları, ev eşyaları ve “nesnelerin internetini” (IoT) oluşturan 250 milyar başka eşya bulunuyor.
MCUNet adı verilen bu sistem, sınırlı bellek ve işlem gücüne karşın; IoT cihazlarındaki derin öğrenmeye eşi görülmemiş hız ve kesinlik sağlayan özlü sinir ağları tasarlıyor. Teknoloji, enerji tasarrufu yapıp veri güvenliğini artırırken, IoT evreninin genişlemesini de kolaylaştırabilir.
Araştırma, gelecek ayki Sinirsel Bilgi İşleme Sistemleri Konferansı’nda sunulacak.
Nesnelerin İnterneti
Nesnelerin interneti, 1980’lerin başlarında doğmuş. 78 mezunu Mike Kazar’ın da yer aldığı Carnegie Mellon Üniversitesi’nden mezun öğrenciler, bir kola makinesini internete bağlamışlar. Grubun motivasyonu basitmiş: Tembellik. Bilgisayarlarını kullanarak, bürodan kola satın alma yolculuğuna çıkmadan önce makinede kola bulunup bulunmadığını görmek istemişler. Cihaz, dünyada internete bağlanan ilk eşyaymış. “Bunu şaka zannetmişlerdi” diyor Kazar. “Kimse internette milyarlarca cihaz olmasını beklememişti.”
O kola makinesinden beri geçen zamanda gündelik eşyalar, büyüyen IoT’ye gitgide daha fazla bağlanmaya başladı. Bunlar arasında giyilebilir kalp takip cihazlarından, sütün azaldığını söyleyen akıllı buzdolaplarına kadar her şey var. IoT cihazları çoğunlukla mikro denetleyiciler ile çalışıyor; işletim sistemi olmayan bu basit bilgisayar yongaları, en düşük işlem gücüne ve tipik bir akıllı telefonun binde birinden ufak belleğe sahip. Bu sebeple; derin öğrenme gibi kalıp tanıma işlerini IoT cihazlarında yerel şekilde çalıştırmak zor. IoT’den toplanan veriler, karmaşık analizler için çoğu zaman buluta gönderiliyor ve cihazlar, bilgisayar korsanlığına karşı savunmasız hale geliyor.
“Sinirsel ağları bu ufak cihazlara doğrudan nasıl uygularız? Bu konu, çok ısınmaya başlayan yeni bir araştırma alanı” diyor Han. “Google ve ARM gibi şirketlerin hepsi de bu yönde çalışıyor.” Han da öyle.
MCUNet ile birlikte Han’ın grubu, “ufak derin öğrenme” (yapay sinir ağlarının mikro denetleyicilerde çalıştırılması) için gereken iki bileşenin eş tasarımcılığını yürütmüş. Bileşenlerden biri, bir işletim sistemine benzeyen ve kaynak yönetimini idare eden bir arayüzey mimarisi olan TinyEngine. TinyEngine, MCUNet’in TinyNAS adlı diğer bileşeni tarafından seçilen belli bir sinir ağı yapısını çalıştırmak üzere en iyi hale getirilmiş. TinyNAS ise, özel boyutlu ağlar oluşturan sinirsel bir mimari arama algoritması.
Yazar: Daniel Ackerman/Massachusetts Teknoloji Enstitüsü. Çeviren: Ozan Zaloğlu.
