Благодаря ученым Северо-Кавказского федерального университета интеллектуальные системы обработки данных смогут работать заметно быстрее, причем при меньших аппаратных ресурсах. Такие системы станут также мобильнее и доступнее без потерь в качестве работы.
Интеллектуальные системы обработки данных, например, по распознаванию изображений или речи, строятся по принципу нейронных сетей. Точность работы таких систем обеспечивается очень сложными вычислениями. Последние требуют времени и мощных ресурсов, что заметно ограничивает практическое применение искусственного интеллекта. Ученые всего мира пытаются оптимизировать процесс обработки данных за счет аппаратной реализации компонентов нейронной сети. Например, создаются специализированные сопроцессоры или задействуются мощные видеокарты для вычислений. Они призваны значительно ускорить работу системы, а также обеспечить ее автономность и мобильность.
Математики из СКФУ пошли другим путем. Они разработали и опробовали на практике оригинальный подход к оптимизации сложных вычислений. В его основе – применение параллельной арифметики на основе системы остаточных классов вместо традиционной двоичной системы счисления.
– Мы делим данные большого размера на части, которые обрабатываются параллельно и независимо друг от друга, что значительно ускоряет процесс вычислений. – отметил руководитель проекта, доцент кафедры прикладной математики и математического моделирования СКФУ Павел Ляхов. – Еще одно важное преимущество такого подхода по сравнению с известными в том, что он позволяет значительно снизить ресурсные затраты, то есть, сама микросхема может быть меньше по размеру. Это автоматически ведет к снижению электропотребления и стоимости устройства
Ставропольские учёные прошили микросхему Xilinx под разработанный алгоритм и смоделировали ее работу. Чтобы проверить устройство в действии, математики создали тестовую нейронную сеть для распознавания изображений из открытой базы университета Иллинойса. Эксперименты показали: подход ученых из СКФУ позволяет снизить аппаратные ресурсы на 32,6 процента без каких-либо потерь качества обработки данных (в данном случае – распознавания образов).
Исследование проходит в рамках грантов Российского фонда фундаментальных исследований и грантов Президента РФ. Над проектом работают представители известной научной школы СКФУ «Нейроматематика, модулярные нейрокомпьютеры и высокопроизводительные вычисления», основанной Заслуженным деятелем науки РФ, профессором Николаем Ивановичем Червяковым. С маститыми учеными бок о бок трудятся аспиранты Мария Валуева и Николай Нагорнов.
- Впереди еще год работы. Мы планируем за это время всю нейронную сеть, а не отдельные ее компоненты, реализовать на основе нашего подхода, - поделился планами руководитель проекта Павел Ляхов. – У нас уже есть идеи, как это можно сделать. Разработанные модели и методы будут еще больше превосходить аналоги по качеству и скорости обработки данных и при этом потребуют гораздо меньших аппаратных затрат. Возможно, в будущем эти результаты заложат основу широкого применения глубоких нейронных сетей на практике, особенно в медицине, беспилотном транспорте и анализе видеопотоков.
Дмитрий Степнов
