ВЫБОР РЕДАКЦИИ

Перспективы развития микроконтроллеров с краевым искусственным интеллектом

Проблемы разработки программно-управляемого аппаратного обеспечения

Искусственный интеллект – перспективы развития

Наступление эры искусственного интеллекта реального масштаба времени

Искусственный интеллект и увеличение интереса к краевым вычислениям

Бесшовная связь – становой хребет Четвертой промышленной революции

Использование биометрии в Сухопутных войсках США

Вопросы развития краевых вычислений

Машинное обучение открывает новые возможности FPGA

Материалы Симпозиума SEMI по промышленной политике

Современное состояние и перспективы развития рынка САПР

Teraki совершает «квантовый скачок» в сфере больших данных

Бум стартапов во Франции

Материалы Симпозиума SEMI по промышленной политике

Экономические аспекты развития технологий искусственного интеллекта

О перспективах рынка потребительской электроники

Средства искусственного интеллекта учатся распознавать звуки

Превосходство КНР в области искусственного интеллекта: правда или миф?

Некоторые проблемы развития памяти с высокой пропускной способностью

Новые тенденции использования машинного обучения при проектировании и обработке изображений

Человеко-машинный интерфейс умных домов и краевой искусственный интеллект

Проблемы использования Wi-Fi в Интернете вещей

Переход от полноразмерных облачных хранилищ к клаудлетам

Вопросы обеспечения безопасности Интернета вещей

В Корал-Гейблс запущена платформа Smart City Hub

Проблемы кибербезопасности Интернета вещей

Искусственный интеллект и модели обмена знаниями

Новая политика регулирования Интернета вещей ОАЭ

Состояние и перспективы рынка 300‑мм пластин: прогноз специалистов SEMI

Платформа Microchip Trust призвана упростить аппаратную безопасность Интернета вещей

Высокоэффективные макетные платы для разработки приборов Интернета вещей

Глубокое обучение и предельные краевые вычисления

Развертывание сетей 5G и краевые (пограничные) вычисления

Yole Développement: исследование рынка MEMS

Новые области применения искусственного интеллекта

eIQ Auto: инструментарий глубокого обучения корпорации NXP

Вопросы развития краевых вычислений

Вопросы развития краевых вычислений

Выпуск 17 (6716) от 03 сентября 2020 г.
РУБРИКА: ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА

Во второй части статьи (см. первую часть статьи), посвященной развитию краевых вычислений, освещаются вопросы оптимизации и безопасности.

При рассмотрении вопроса, что нужно сделать для оптимизации той или иной реализации CUDA (платформа параллельных вычислений и модель программирования корпорации nVidia), ориентированной на графический ускоритель, решение будет в первую очередь касаться увеличения пропускной способности. Ситуация аналогична внесению архитектурных изменений при проектировании аппаратного обеспечения. Например, на алгоритмическом уровне возникает вопрос – ​что будет при изменении порядка вычислений? Или если найдется способ чередования операций? Все эти проблемы характерны для распараллеливания – ​определения порядка операций на аппаратном обеспечении, – ​потому что графические процессоры представляют собой большие и сложные структуры, ориентированные на параллельную обработку данных и осуществление операций.

От разработчиков здесь требуется разбираться как в аппаратных, так и в программных инструментальных средствах проектирования, а также обладать начальными знаниями в области информатики. Вопрос в том, научатся ли всему этому сами разработчики – ​или же используемые инструментальные средства станут настолько мощными, что смогут делать все необходимое за них? В этом суть надежды на высокоуровневый синтез – ​подход, при котором разработчики и проектировщики смогут не задумываясь использовать необходимые им алгоритмы и эффективно сопоставлять их с платформами. Правда, ведущие отраслевые специалисты не верят, что нечто подобное будет реализовано в ближайшее время.

Развитие ситуации пробуждает все больше внимания к программируемости, что, в свою очередь, увеличивает интерес к архитектурам наборов команд, настраиваемых под требования пользователя (customizable ISA), особенно к RISC‑V. Один из таких подходов воплощен во встраиваемых вентильных матрицах, программируемых пользователем (еFPGA), которые пережили некий период забвения, а теперь используются все шире. Ценность еFPGA всегда была очевидна, однако возникал вопрос с работоспособностью подхода и его выживаемостью в условиях рынка. Сейчас, когда эта проблема решена, количество желающих использовать еFPGA быстро растет. Например, корпорация Flex Logix создала уже более десятка работающих конструкций подобных ИС, нашедших своих клиентов. Еще несколько десятков конструкций еFPGA находятся в процессе проектирования и оценки.

Преимущество еFPGA заключается в том, что их можно встраивать в любые кристаллы, реализованные по любым проектным нормам. Возможность программирования еFPGA пользователем помогает как настраивать «системы-на-кристалле» (SoC), так и модернизировать существующие кристаллы ИС по мере изменения алгоритмов и протоколов.

Архитектура RISC‑V предлагает другой подход. Если в прошлом клиенты предпочитали архитектуры со встраиваемыми ядрами, выполняющими простые задачи, то теперь растет популярность ядер с поддержкой видео или гораздо более сложных ядер. Подобные запросы способствовали активизации работ в области искусственного интеллекта. Анализ «Европейской инициативы совершенствования процессов» (European Process Initiative) показывает, что для векторной обработки данных все чаще используются сопроцессоры. Предполагается, что архитектура RISC‑V будет использоваться в процессорах все шире, и некоторые специалисты даже утверждают, что через пару лет ОС Android может быть переведена на эту архитектуру.

Осенью 2019 г. фирма ARM на конференции TechCon объявила о том, что откроет ISA своих микроконтроллеров. Это позволит лицензиатам создавать собственные пользовательские команды (инструкции), а также разрабатывать фирменные (проприетарные) инструментальные средства для обеспечения совместимости с технологией TrustZone – ​инфраструктурой безопасности ARM. Этот шаг позволит в значительной степени адаптировать архитектуры встраиваемых процессоров ARM к потребностям краевых вычислений.


Вопросы безопасности

Безопасность играет все бóльшую роль в конструкциях, предназначенных для краевых вычислений. Соответственно, у поставщиков средств обеспечения безопасности существует большой потенциал на данном рынке. Несмотря на то что подобные конструкции в основном обладают вертикальной ориентацией, вопросы безопасности должны реализовываться горизонтально. Понятие «безопасность» охватывает широкий круг задач, от технологий защиты от несанкционированного доступа до корней доверияи программных и микропрограммных средств защиты данных, а также услуг по обеспечению безопасности, продаваемых вместе с этими технологиями.

Ключевым фактором становится влияние перемещения данных на архитектуры систем и на восприятие безопасности разработчиками и пользователями. Поскольку отправить все данные в центр обработки данных (ЦОД) невозможно, появилась концепция краевых вычислений, позволяющая сократить объем перемещаемых данных. При этом хранение данных ближе к оконечным устройствам добавляет новые требования к безопасности. Так, если основной операцией является отправка данных в ЦОД, безопасность будет касаться в первую очередь защиты этих данных. Если же речь идет о системе с большим количеством точек доступа, т. е. с бóльшей поверхностью атаки, то в первую очередь следует совершенствовать архитектуру.

Это также означает, что в случае взлома устройства резервная копия может храниться не в «облаке», как в случае с традиционными приборами Интернета вещей. Одним из вариантов решения этой проблемы могут стать усилия по повышению устойчивости к попыткам взлома в дополнение к повышению уровня защищенности данных и периметра (точек доступа и т. п.). Если устройство взломано, у него должна быть возможность восстановления. Особенно это важно в таких краевых приложениях, как автомобильная электроника и робототехника, в которых обеспечение безопасности является одной из основных функций.

Опыт Министерства обороны США показывает, что можно иметь две изолированные друг от друга сети: одну с высоким уровнем защиты, другую – ​практически без защиты. Но в современных системах подобный подход не работает – ​они слишком сложны и тесно переплетены друг с другом, а кроме того, существует слишком много типов данных, что обусловливает необходимость их контекстного разделения. Из всего перечисленного вытекает потребность нахождения способов обнаружения проблем, адаптации к ним и адекватного реагирования на них. Один из таких способов – ​многоэтапная и многоуровневая система обеспечения безопасности (рисунок), которая не является 100%-ной гарантией от взлома, однако существенно снижает подобную возможность.

Прозрачность – ​один из важных факторов обеспечения безопасности. Любой изготовитель желает получить отзывы пользователей относительно характеристик своей системы при эксплуатации. Требуется не только создать безопасный, устойчивый к взлому или другим злонамеренным воздействиям кристалл ИС, SoC или конечную электронную систему, но и обеспечить определенную прозрачность для пользователей.

Помимо безопасности с точки зрения хранения и использования данных в автомобильных и других критически важных приложениях добавляется еще несколько ключевых требований. К ним относится безопасность изделия при эксплуатации и его надежность. Ранее все эти элементы рассматривались как отдельные проблемы, но сейчас во многих областях, особенно в автомобильной электронике, они тесно взаимосвязаны.


Прочие проблемы

Проблемы краевых вычислений не ограничиваются вышеперечисленными. Это не редкость для любых новых рынков, однако здесь особенность ситуации состоит в сильной фрагментированности рынка, затрудняющей достижение критической массы, необходимой для решения проблем.

Например, многие конструкции автомобильных ИС и электронных систем легко настраиваются, в т. ч. «на лету» – ​на основе данных, получаемых непосредственно от датчиков. Данные с датчиков поступают на процессоры, откуда могут передаваться в ЦОД, а потом снова в автомобиль. Все эти большие объемы данных необходимо отслеживать в целях максимально раннего обнаружения сбоев и минимизации их последствий. Проблема в том, что значительная часть этих данных уникальна – ​отчасти потому, что каждый изготовитель комплектного оборудования (ОЕМ) предпочитает разрабатывать собственную технологию, а отчасти из-за огромного количества разнообразных вариантов использования. Очевидно, что автомобильная промышленность нуждается в повышении уровня стандартизации – ​кроме того, необходимо определить, какие данные не должны быть уникальными.



Источник: Tortuga Logic

Уровни и этапы обеспечения безопасности

* SoC – «система-на-кристалле».

** После реализации ИС (SoC) на физическом уровне.


В этом плане пригодится все, что способствует унификации. Например, разработка «сетей-на-кристалле» (network-on-a-chip, NoC) основана на сценариях. Для оценки размера NoC необходимо точно знать сценарии ее использования. Здесь существуют два аспекта – ​один заключается в создании сети на кристалле и настройке ее конфигурации, другой касается длины и ширины путей передачи данных. Все это определяет характеристики качества обслуживания.

В то же время при смене алгоритмов должны быть предусмотрены возможности обхода возникающих проблем, и проектировщики ИС постоянно находятся в поисках баланса возможностей. При наличии трех-пяти постоянных вариантов использования ничего не изменится – ​конфигурация NoC будет точно подстроена под них, а при попытке реализовать задачу, не относящуюся к постоянным вариантам использования, работа ИС, скорее всего, будет далека от оптимальной. Это одна крайность. Другая крайность – ​работа ИС, оснащенных средствами искусственного интеллекта общего назначения. В этом случае разработчики пытаются задать системе максимально широкую функциональность, а переход к выполнению конкретных функций осуществляется за счет регистров состояний и управляющих регистров. И в том и в другом случае главным критерием становится качество обслуживания. Для поставщиков ИС, массово реализуемых на рынке, обычно разрабатывается платформа, на основе которой можно создавать варианты ИС для нескольких рынков конечного потребления.


Заключение

В области краевых вычислений и ИС для них по-прежнему остается множество неиспользованных возможностей. Это обусловлено раздробленностью, фрагментированностью рынков конечного потребления и необходимостью настраивать решения на основе ИИ для каждого конкретного случая использования. При этом за счет фрагментированности краевые вычисления и средства для них остаются областью, в которой любому отдельному поставщику будет очень сложно добиться доминирования – ​ведь для этого ему придется занять ведущие позиции если не во всех, то в большинстве секторов данного рынка, которые могут существенно отличаться друг от друга.

Сложившаяся обстановка требует создания новых бизнес-моделей, характеризующихся гибкостью и малыми операционными издержками, а при их разработке, несомненно, понадобится скорректировать стратегии вывода на рынок новой продукции. Сейчас потенциал краевых вычислений выглядит огромным, хотя и немного размытым. Поставщики, упускающие возможность в одном сегменте, могут быстро найти нишу в другом. По всей видимости, на данном рынке в течение достаточно длительного времени будет наблюдаться высокая турбулентность.


Sperling Ed. Winners and Losers at the Edge. Semiconductor Engineering, July 1, 2020: https://semiengineering.com/winners-and-losers-at-the-edge/


ЧИТАЙТЕ ТАКЖЕ

Выпуск 22(6746) от 11 ноября 2021 г. г.
Выпуск 21(6745) от 28 октября 2021 г. г.