USB-stik med software til maskinlæring rykker AI ned fra skyen

Tech-bloggeren Ben Dickson udtrykker skismaet meget godt i sit blogindlæg på websitet The Next Web:

De tunge algoritmer, der er rygraden i kunstig intelligens (AI) og maskinlæring kræver så enormt meget processorkraft og datatrafik, at beregningerne som oftest bliver udført på cloud-servere, som rent fysisk befinder sig måske tusindvis af kilometer fra det fabriksgulv, hvor man som ingeniør eller tekniker har brug for algoritmernes håndsrækning her og nu.

Så hvad gør man, hvis internetforbindelsen er enten langsom eller ikke-eksisterende i det produktionsmiljø, man befinder sig i, og realtids-analyse af ens data derfor ikke er en mulighed? Svaret kunne – måske – være noget så simpelt som et USB-stik, skriver Ben Dickson i sit blogindlæg.

Kunstig intelligens på en pind

Den californiske virksomhed Movidius har gennem flere år udviklet såkaldte VPU’er, vision processing units – en lille chip, som kan udføre objektgenkendelse og andre former for vision-algoritmer offline, og som kan integreres i printkortet på en drone, et overvågningskamera eller et augmented reality-headset.

Movidius’ VPU’er anvendes allerede i millioner af enheder, og nu har Movidius – som i mellemtiden er blevet opkøbt af chipproducenten Intel – så lanceret en 3.0 USB-pind med indbygget VPU-chip til 79 dollars, knap 500 danske kroner.

Det giver netop mulighed for at udvikle, teste og validere AI-algoritmer offline på eksempelvis prototypedroner og vision-computere uden at være afhængig af en forbindelse til en server, skriver blandt andre mediet Techcrunch.

Også Google og Microsoft satser på at udvikle mikrochips til eksekvering af AI-algoritmer – i første omgang bliver disse teknologier dog øjensynligt ikke tilgængelige som kommercielle produkter.

Mindre datatørstige algoritmer

En anden vej at gå, skriver Ben Dickson, er at udvikle algoritmer, som ikke er lige så datatørstige som de nuværende. At gøre en computer intelligent i dag kræver ofte over én million billeder, som softwaren kan lære ud fra – hvorimod den menneskelige hjerne kan lære det samme med ét eller ganske få billeder.

Men her har en anden amerikansk tech-virksomhed, Geometrecic Intelligence – som i øvrigt også i mellemtiden er blevet opkøbt af en anden gigant, nemlig Über – udviklet en maskinlæringssoftware, XProp, som kræver betydeligt færre data end kommerciel standardsoftware.

Det samme har iværksættervirksomheden Gamalon, der bryster sig af at have udviklet software, som via såkaldt Bayesian Program Synthesis (BPS)-teknologi kan strukturere ustrukturede data meget hurtigere end andre tilgængelige produkter.

Det er alt sammen stadig teknologier i deres spæde vorden, skal det understreges, men mon ikke der allerede er sket meget om et års tid.