zurück zum Artikel

KI-Beschleuniger bringen künstliche Intelligenz auf Geräte an der Edge und im Internet of Things. iX stellt fünf Vertreter dieser Gattung vor.

Besonders bei Echtzeitanwendungen auf Edge-Geräten müssen neuronale Netze möglichst schnell Ergebnisse liefern. Die dabei notwendigen Berechnungen beschleunigt eigens für diesen Zweck entwickelte Hardware. Die Auswahl an solchen KI-Beschleunigern für den Einsatz am Rande der Cloud ist allerdings recht überschaubar und zudem teilweise auf bestimmte Einsatzgebiete beschränkt.

Maschinelles Lernen mittels neuronaler Netze und der Teilbereich Deep Learning haben in der letzten Zeit zahlreiche neue Anwendungen hervorgebracht. Entsprechende Algorithmen navigieren selbstständig Roboter durch die Gassen einer Produktionshalle, zählen Kunden in einem Supermarkt oder fischen neue Erkenntnisse aus riesigen Datenbeständen.

Nicht nur das Trainieren der Netze auf ihre Aufgabe, sondern auch die eigentliche Anwendung im Praxisbetrieb – das Inferencing – erfordern die Auswertung zahlreicher mathematischer Gleichungen. Die dafür zur Verfügung stehende Rechenleistung ist jedoch in Robotern, intelligenten Kamerasystemen und anderen autonom arbeitenden Endgeräten stark begrenzt.

URL dieses Artikels:
https://www.heise.de/-4720968

Links in diesem Artikel:
[1] https://www.heise.de/ratgeber/Deep-Learning-Tutorial-Teil-1-Bilder-fuer-das-Modelltraining-aufbereiten-4720970.html
[2] https://www.heise.de/ratgeber/Deep-Learning-Tutorial-Teil-2-Modellerstellung-mit-Convolutional-Neural-Network-4835650.html
[3] https://www.heise.de/ratgeber/Tutorial-Deep-Learning-Einsatz-des-trainierten-Modells-auf-der-Zielhardware-4852071.html

Copyright © 2020 Heise Medien