Seite - 43 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 43 sen und dort zu verarbeiten. Während bei Google eingestellte Bilder in die Cloud geladen werden und erst dort Mustererkennung auf den Fotos stattfindet, ermög- licht die Neural Engine eine effiziente Mustererkennung von Fotos auf dem iPhone. Ebenfalls für den Bereich Computer Vision vorgesehen ist die Vision Processing Unit (VPU) von Intel, die aktuell den Namen Myriad X trägt und auf Technologie von Movi- dius fußt. Bevor dieses Unternehmen 2016 von Intel übernommen wurde, stellte es die kleine und energieeffiziente Computer-Vision-Technologie für Drohnen von DJI bereit. Mit einem Verbrauch im Bereich von einem Watt eignet sich der aktuelle Myriad X für den mobilen Einsatz und kann Stereo-Bildquellen mit einer Auflösung von 720 Pixel bei einer Frequenz von 180 Hertz auswerten. Im selben Jahr wie Movi- dius übernahm Intel 2016 auch Nervana Systems, deren Technologie im aktuellen Nervana Neural Network Processor (NNP) verbaut wird und für den nicht-mobilen Einsatz konzipiert ist. Die beiden Übernahmen wirken wie ein Doppelschlag, um sich gegen bereits etabliertere Konkurrenten am Markt zu positionieren. Darüber hinaus übernahm Intel im Bereich Automotive das israelische Unternehmen Mobileye, das spezifische Sensoren für Fahrassistenzsysteme anbietet. Der milliardenschwere Kauf besiegelte den größten Exit der israelischen Technologiewirtschaft. Neben Nvidia und den bekannten Riesen erforschen und entwickeln diverse Start- ups eigene Lösungen von unterschiedlicher öffentlicher Transparenz, die hier nur exemplarisch vorgestellt werden können. Zu nennen wäre beispielsweise Graphcore, ein 2016 in Großbritannien gegründetes Start-up, das sein System Intelligence Pro- cessing Unit (IPU) nennt und damit nach eigenen Angaben beeindruckende Perfor- mances erreicht. Das 2013 in Beijing gegründete Unternehmen Bitmain Technologies entwickelt ASICs, die für das Mining von Bitcoins optimiert sind. Bitmain weitet seine Aktivitäten gerade in den Bereich ASICs für KI-Anwendungen aus und verfolgt dabei technisch einen ähnlichen Ansatz wie Google. Die Lösung von Wave Computing wird Dataflow Processing Unit genannt und ist für den Einsatz in Servern bzw. der Cloud konzipiert. Wie konkurrenzfähig Start-ups wie Groq, Cerebras (beide USA) oder Cambricon (China) in der nächsten Zeit sein werden, ist noch nicht abzuschät- zen. Ausblick Die Entwicklung von KI-Anwendungen und deren praktische wie wirtschaftliche Bedeutung werden auch künftig maßgeblich von Entwicklungen im Bereich der Hardware abhängen. Die Adaption von KNN auf GPU-Hardware war in der Vergan- genheit ein essenzieller Schritt, um deren Berechnung um Größenordnungen zu beschleunigen und Zeitskalen zu erreichen, die eine praktische Anwendung erlau- ben. Ähnliche Schritte sind auch in Zukunft zu erwarten. Mobile KI-Anwendungen, bei denen neuronale Netze auf kleinen, mobilen Geräten ausgeführt werden, benö-