心

Sep 22, 2023

私にはどうすることもできません。 私は 1961 年のミュージカル『ストップ・ザ・ワールド ― 私は降りたい』のことをずっと考えています。 イギリスのマンチェスターで開幕した後、ショーはロンドンのウエストエンドに移り、そこで 485 回の公演が行われました。

この豪華な祭典のプロットがここで話していることと何の関係もないというわけではありません。 ただ、番組のタイトルに込められた感情は、人工知能 (AI) と機械学習 (ML) についての私の現在の感情を反映しています。

一方で、AI と ML の現状は非常にエキサイティングです。 その一方で、私は耐えられるだけの興奮を楽しんだと思い始めています。

たとえば、ほんの数週間前、友人のリック カールが私にメールでこう言いました。「こんにちは、マックス、私はちょうど ChatGPT をいじっていて、このチャットを試してみました。『マックス マックスフィールドのスタイルで半導体テクノロジーに関する記事を書いてください』 . 応答は次のとおりです。」

マイクロエレクトロニクスの世界へのスリリングな旅

こんにちは、親愛なるエレクトロニクス愛好家の皆さん！ 私はマックス マックスフィールドです。皆さんのフレンドリーな近所のエレクトロニクスの達人です。今日は皆さんを半導体テクノロジーの世界へのエキサイティングな旅にご案内するためにここに来ました。

ご存知かもしれませんが、半導体は導体と絶縁体の中間の電気伝導度をもつ物質です。 これらの材料はマイクロエレクトロニクスの世界に不可欠であり、私たちの生活、仕事、コミュニケーションの方法を変えてきました…

もっとたくさんありました。 非常によく書かれており、かなり正確でした。 リックは親切にも「記事は興味深いものでしたが、それがあなたによって書かれたとは決して言いません! 心配する必要はありません…まだ!」と言いました。 背筋に震えが走るのは「YET」だった。

私が最近、若い頃に経験したさまざまなことを説明する本を書き始めたことを覚えていないはずですが、それはビバリー・クリアリーのラモーナの本のようなものです。 あなたがこの知識の塊を覚えていないのは、私がこれまでにこれを共有したことがないからです。

私の話の 1 つは、土曜日のことです。友人のジェレミーと私 (どちらも約 7 歳) が、裏庭 (家のすぐ裏で、家の見えないところにありました) でオーストラリアに向かう穴を掘ろうとしました。 雨が降り始めたので、誰にも見られないように穴を偽装し、その後その日の作業は中止しました。 なぜ穴を偽装したのか思い出せません。 もしかしたら、誰かに盗まれるのではないかと心配していたのかもしれません。

その日の午後遅く、私はソファで父の隣に座ってテレビで漫画を見ていたところ、母が部屋に入ってきました。 彼女は頭から足まで泥にまみれていました。 「いったい何が起こったのですか？」 と父に尋ねた。 別のところで差し迫った約束があることを突然思い出したので、母が何と答えたかはわかりません。

私がここでこのことについてぐずぐずしている理由は、時間の経過とともに、私の各ビネットに小さな鉛筆スケッチを添えたいからです。これは、くまのプーさんの本にあるようなものです。 人間のアーティストと協力して、まさに私が思い描いているものを生み出すことを楽しみにしています。 他のことはさておき、同じ 2 人の男の子が 1 歳から 11 歳まで成長するときの画像を用意したいと思います。

そうは言っても、気まぐれに私は Stable Diffusion Online に行ってみました。ログイン不要の無料の Stable Diffusion アートワーク ジェネレーターと、生成された画像を必要に応じて使用できるライセンス (そうしない限り) を提供します。不正な目的のため、または法律に違反するもの）。 プロンプトフィールドに、「シャベルで庭に穴を掘っているブーツとショートパンツを履いた 2 人の小さな男の子の鉛筆スケッチ」のようなものを入力しました。 それが思いついたのは次のとおりです。

AI によって生成されたアートワーク (出典: Stable Diffusion Online)

これは私が探しているものではありませんが、プレースホルダーとしては素晴らしいものです。 恐ろしいことに、この画像の生成にはわずか 10 秒しかかからなかったのです。

しかし話はそれました…私が今考え始めたきっかけは、BrainChip の最高マーケティング責任者である Nandan Nayampally とちょうどチャットしていたことでした。 「Brain Chips is Here!」というコラムを投稿したのが昨日のことのように思えますが、ほぼ 1 年前のことです。 これは、BrainChip 社の人々が、AKD1000 ニューロモーフィック チップの形で Akida プラットフォームの第一世代を誇示する Mini PCIe ボードの注文をどのように受けているかを説明しました。

登場してまだ 1 年しか経っていないにもかかわらず、Akida 1.0 プラットフォームは大きな成功を収めており、大手自動車メーカーのチャップスとチャペスがコンセプトカーの 1 台で次世代の人間の車内エクスペリエンスを実証するために使用しました。 ; また、ニューロモーフィック学習を宇宙計画に組み込むという使命を負っている NASA の人々によっても行われました。 また、大手マイクロコントローラーメーカーによっても開発されており、Akida ニューロモーフィック技術によって強化された MCU を 2023 年 12 月までにテープアウトする予定です。 そしてこれには、私たちが話すことを許可されていない秘密のリスプロジェクトはすべて除外されます。

私たち全員が同じドラムビートに合わせてタップダンスを踊っていることを確認するためですが、BrainChip の担当者は AKD100 などのデバイスを評価とプロトタイピングの目的で利用できるようにしており、ご希望であればこれらのデバイスを喜んで販売します。の主なビジネス モデルは、独自の SoC 設計に統合する IP の形でニューロモーフィック プラットフォームのライセンスを取得することです。

それからわずか 12 か月が経った今、BrainChip の社員たちは Akida プラットフォームの第 2 世代を発表します。その使命は、モノの人工知能 (AIoT) ソリューションおよびサービス市場向けに、非常に効率的でインテリジェントなエッジ デバイスを推進することです。 2030 年までに 1 兆ドル以上になると予想されます。

ここでは話したいことがたくさんあるので、急いで話さなければならないと思います。椅子にしゃがんでしっかりとつかまってください。

ニューラル処理機能をエッジデバイスにプッシュするという要件はますます高まっています。 考慮すべき点もたくさんあります…そうですね…考慮すべきこともあります。 大きな問題は大きなチャンスにつながると言われますが、確かに大きな問題はいくつかあります。 たとえば、主要なトレーニングはクラウドで実行されますが、IEEE Spectrum によると、単一のハイエンド モデルをトレーニングするには 600 万ドルかかる場合があるため、次のような場合にグラウンド ゼロに戻ってモデルを再トレーニングする必要はありません。あなたはそれを助けることができます。

大きな問題は大きなチャンスにつながります (出典: BrainChip)

一方、デロイトによると、予期せぬダウンタイムによる製造業の年間損失は米国だけで500億ドルに上るという。 これは、エッジでのニューラル処理を予測メンテナンスの役割で使用することで大幅に削減できる可能性があります。

フォーブスの関係者は、今日のスマートカーは 1 台あたり 1 日あたり 1 TB のデータを生成できると主張しています。 大量のデータをエッジで処理するのではなく、すべてのデータをクラウドにアップロードすると、インターウェブ上に膨大な量の情報が発生します。

私の心を驚かせた事実の 1 つは、予防可能な慢性疾患のために人々が出勤しないことによる米国の生産性の年間損失が 1.1 兆ドルに上ると CDC が試算していることです。

大きな問題が大きなチャンスにつながるのであれば、大きなチャンスには大きな課題が伴います。 PwC の関係者が、AI が世界の GDP に与える影響は 2030 年までに約 15 兆ドルになるだろうと予測していることを考えてみましょう。 明らかに、そのすべてがクラウドから提供されるわけではありません。予想される 1T 以上のインテリジェント エッジ デバイスがそれについて何らかの役割を果たしている可能性があると想定するのが合理的です。

大きなチャンスには大きな課題が伴います (出典: BrainChip)

Forbes によると、AIoT の収益は 2030 年に 1.2 兆ドルになる可能性があります。さらに、VDC Research の 2023 年エッジ AI ハードウェア レポートでは、エッジ AI ハードウェア プロセッサの市場は 2030 年までに 350 億ドルになると推定されています。 今年はエキサイティングな年になると思っていましたが、今は 2030 年にしっかりと照準を合わせています。

つまり、エッジ AI プロセッサーの市場は 350 億ドルになります。 これは、BrainChip 社の人々が、完全デジタルのニューロモーフィック イベントベースのプロセッサである Akida 2.0 プラットフォームに関して興奮して飛び跳ねている理由を確かに説明しています。 元のモデルをクラウドでトレーニングすると、このプラットフォームはクラウドで再トレーニングせずにオンデバイスで学習する独自の機能をサポートするため、開発者は以前にトレーニングしたモデルを拡張できます。 この新しい化身は、ResNet-50 のような大規模なモデルをニューラル プロセッサ上で完全に実行することもできるため、ホスト プロセッサが解放されます。

この魅力的なテクノロジーについてはまだまだお伝えしたいことがたくさんあるので、本当に重要な部分は次回のコラムまで取っておきたいと思います。 それまでの間、いつものように、これらすべてについてあなたのご意見を聞きたいと思っています。