Нейронные сети на колесах: скоро ли автомобили будут думать как люди?

Ни один компьютер не работает эффективнее человеческого мозга. Примерно 86 миллиардов нейронов и более 100 триллионов синапсов требуют всего около 20 Вт, даже для сложных задач. Современные суперкомпьютеры могут работать быстрее, но они потребляют значительно больше энергии. И это становится все большей проблемой для производителей автомобилей.

С появлением большего количества систем помощи, автоматизированного вождения и таких удобных функций, как управление голосом и жестами, планирование маршрута или персонализированные информационно-развлекательные программы, потребление энергии в транспортных средствах увеличивается. В то же время различные компьютеры в автомобилях, например, те, которые отвечают за распределение крутящего момента, управление торможением или бортовые системы, должны выполнять вычисления все быстрее, а транспортные средства потребляют меньше. Используя искусственные нейронные сети и нейроморфные вычисления, которые имитируют работу человеческого мозга, ученые и автопроизводители пытаются оптимизировать электронику для эффективности и скорости.

В то время как для слабо автоматизированного вождения, например, активного круиз-контроля, бортовым компьютерам требуется около 70–100 Вт·ч, для более автоматизированного вождения с использованием лидарных датчиков потребление возрастает до 200–400 Вт·ч. При расчете автономного вождения без вмешательства водителя компьютер потребляет от 1000 до 4000 Вт·ч. С увеличением количества функций в автомобиле и использованием искусственного интеллекта потребление компьютера увеличивается.

«Нейроморфные вычисления с использованием искусственных нейронных сетей обеспечивают большую энергоэффективность и сокращают задержки», — говорит Александр Яниш, инженер по исследованиям и разработкам в области искусственного интеллекта и нейроморфных вычислений в Mercedes-Benz.

Но что такое нейроморфные вычисления, также известные как нейроморфная инженерия? Этот вычислительный подход подразумевает разработку аппаратного и программного обеспечения, которое имитирует нейронные и синаптические структуры и функции мозга для обработки информации. Это должно обеспечить более быстрые вычисления в будущем, одновременно экономя энергию.

Mercedes исследует нейронные сети уже семь лет с партнерами, включая Канадский университет Ватерлоо, Университет прикладных наук Карлсруэ и Intel Neuromorphic Research Community. Тестовый автомобиль Vision EQXX впервые использовал нейроморфные вычисления в 2022 году.

Расчеты Mercedes показали, что использование только новой технологии снижает расход топлива в 10 раз для распознавания дорожных знаков и в 7,5 раз для помощи в удержании полосы движения. Таким образом, нейроморфные вычисления имеют потенциал для снижения потребления энергии для обработки данных в автономном вождении на 90 процентов по сравнению с текущими системами.

Маркус Эппель, ученый и руководитель группы в Институте интегральных схем Фраунгофера IIS в Эрлангене, уже несколько лет занимается исследованием нейроморфных вычислений. Он описывает нейроморфные микрочипы как «ИИ, инкапсулированный в оборудование».

С 1950-х годов компьютеры опирались на классическую архитектуру компьютеров, также называемую архитектурой фон Неймана, названную в честь венгерско-американского ученого и сооснователя компьютерной науки Джона фон Неймана. В этой архитектуре блок управления выполняет программы, последовательно считывая инструкции из памяти и затем выполняя их. Это имеет тот недостаток, что программа может обрабатывать команды только последовательно, а не параллельно. Это замедляет процесс для очень сложных вычислений.

Нейроморфные вычисления ускоряют вычислительные операции. Вычислительные блоки физически интегрированы с памятью на чипе, как мозаика, в небольшие, чередующиеся части, а не в большие, отдельные блоки, как в обычном вычислительном блоке.

Таким образом, информация может обрабатываться параллельно, т. е. одновременно. Неактивные синапсы, которые не обрабатывают никакой или никакой новой информации, по сути, игнорируются, таким образом, не потребляя ни энергии, ни времени. Институт интегральных схем Фраунгофера разработал два новых чипа: «Adelia» для глубоких нейронных сетей, содержащих несколько слоев искусственных нейронов, и «Senna» для импульсных сетей, которые особенно похожи на человеческий мозг. Эти чипы позволяют выполнять вычислительные операции быстрее, чем с помощью обычных аналоговых чипов, посредством аналоговых вычислений с квазицифровой точностью.

Нейроморфные чипы работают как механизмы распознавания образов и требуют всего несколько миллисекунд времени отклика. Чипы могут выполнять сложную обработку данных в автомобиле с минимальным потреблением энергии.

Так называемые событийные камеры, которые важны для высокоавтоматизированного вождения, работают по схожему принципу. Вместо полных изображений («кадров») эти камеры передают отдельные пиксели («события») с высоким динамическим диапазоном и минимальной задержкой. Эти камеры функционируют как биологический глаз и реагируют только на изменения в поле зрения.

«Камеры предоставляют информацию об изменениях в поле зрения в течение микросекунд и потенциально могут сократить расстояние реакции при движении со скоростью 100 км/ч с примерно одного метра — на основе обычных камер с частотой кадров 30 Гц — до нескольких сантиметров», — говорит Ян Бауэр с факультета электротехники и информационных технологий Университета прикладных наук Карлсруэ. Благодаря более быстрой обработке камеры могут точнее и быстрее определять препятствия или опасности.

В настоящее время разработка движется в сторону сверхнизкого энергопотребления для большей экономии энергии и сверхнизкой задержки для особенно быстрых и эффективных вычислительных операций, как можно ближе к источнику данных, такому как датчик. Это было бы выгодно в случае надвигающегося столкновения. При обычной архитектуре, в зависимости от использования памяти, время реакции на экстренное торможение, например, может быть слишком большим. Это может привести к столкновению, которое компьютер призван предотвратить.

Эксперты ожидают, что к концу десятилетия разработка микросхем и программного обеспечения будет достаточно продвинутой, чтобы позволить использовать нейроморфные вычисления в транспортных средствах. Они идеально подходят для прогнозирования, фильтрации данных и распознавания образов, и все это на высокой скорости и с меньшим потреблением энергии.

Маркус Эппель не предвидит полного перехода всех компьютеров на нейроморфные вычисления: «Для каждого приложения нужно задаться вопросом, дает ли классическое решение преимущества или нейроморфные чипы имеют больше смысла». Однако в области анализа данных, связанных с датчиками, в энергоавтономных системах классические микроконтроллеры рано или поздно будут дополнены или частично заменены нейроморфным ИИ, считает исследователь.

Многие задачи, такие как численные вычисления, классическая обработка сигналов или выполнение детерминированных алгоритмов, все еще могут быть решены быстрее и эффективнее на современных чипах. Поэтому нейроморфные вычисления следует рассматривать как дополнительную технологию, а не как полную замену. Ян Бауэр из Университета прикладных наук Карлсруэ подчеркивает реалистичность оценки: «Нейроморфные чипы предлагают захватывающие перспективы, но их не следует рассматривать как панацею от всех проблем в области ИИ и вычислений в целом».