MediaTek
AI（人工知能）
エッジ AI テクノロジー革命をけん引
Edge AI
機能強化された AI の急速な進化により、デバイスの製作やその使用にも変化が生じています。この需要の変化と AI テクノロジーの機能向上により、様々な製品がクラウド接続を介したサポートのみに頼るのではなく、家庭内や車の中、或いは人の身の回りの製品で AI 機能拡張を「エッジ」デバイスで処理するようになります。
このような「エッジコンピューティング」には、リアルタイムの応答性やデータのプライバシー保護、および省電力といったメリットがあります。また、デバイスメーカーにとっては、製品が販売されるすべてのエリアにクラウドインフラストラクチャが展開されている必要がないため、市場投入までの時間を短縮することができます。
MediaTek AI プロセッシングユニット（NPU）
MediaTek は、業界をリードする AI プロセッシングユニット（APU）のコアコンポーネントを構成するディープラーニングアクセラレータ（パフォーマンスコア）、ビジュアル処理ユニット（フレキシブルコア）、ハードウェアベースのマルチコアスケジューラ、ソフトウェア開発キット（NeuroPilot）を独自に開発しています。
MediaTek NeuroPilot
MediaTek NeuroPilot でエッジ AI の課題に真っ向から取り組んでいます。APU、GPU、CPU といった当社の SoC のヘテロジニアス・コンピューティング機能を通じて、AI 機能とアプリケーションに高性能と高い電力効率を提供しています。開発者は、チップ内の特定の処理ユニットをターゲットにすることも、MediaTek NeuroPilot SDK にそれらの処理割り当てをインテリジェントに処理させることも可能です。
MediaTekの生成AI
強力で高度に統合された効率的なシステムオンチップ製品の開発における業界リーダーとして、MediaTek は、スマートフォンやラップトップからスマートホーム、企業におけるインテリジェント IoT、車載まで、その製品群全体でエッジ AI ハードウェア処理と総合ソフトウェアツールを組み合わせたエコシステムを構築し、AI の未来を実現しています。
AI 時代の到来
現在
現在、人工知能（AI）は急速に進歩し続けています、普段私たちが家や職場、街中で使用しているテクノロジーはすべて刷新され、新しいエクスペリエンスがもたらされるとともに、日々のコミュニケーションのあり方は確実に変化していくでしょう。今日、AI はディープラーニングによる顔検出機能（DL-FD）や新しいオーバーレイ技術によるリアルタイムの画像加工、物体およびシーンの識別、AR/MR アクセラレーション、写真やビデオのリアルタイムの補正/拡張等、多くのテクノロジーが現実のものとなっています。
未来、そしてその先へ
AI を搭載したデバイスの未来には大きな可能性が広がっています。あなたの日常のニーズや習慣に完全にマッチしたデバイスを想像してみてください。あなたの健康状態を常に把握し、病気になる前に薬を注文してくれるスマートフォン。帰宅の直前に照明と暖房の電源を入れておいてくれるスマートホーム。乗り込むだけで行きたいところまで連れて行ってくれる自動運転の車。この高度なインテリジェンスは流れるようなスムーズさで、今までにない全く新しいレベルのユーザー体験をもたらし、あなたの世界を変えてくれることでしょう。そんな未来をもたらすのが、エッジ AI です。
NeuroPilot のアドバンテージ
1 度書き込めば、どこにでも適用
MediaTek NeuroPilot SDK は、当社の AI 対応のあらゆるハードウェアをサポートしています。 これにより、開発者は MediaTek の既存のまたは新規で作り出されるすべてのハードウェアプラットフォームやスマートフォン、自動車、スマートホーム、IoT などを含むすべての製品群に対して、一度書きこめば、どれにでも適用することができます。これによって、製作プロセスが合理化され、コストと市場投入までにかかる時間が削減できます。ソフトウェアエコシステムは Android と Linux OS の両方に対応し、コンパイラ、プロファイラ、およびアプリケーションライブラリ一式を提供します。
構成が容易なフレームワーク
開発者は、TensorFlow、TF Lite、Caffe、Caffe2 Amazon MXNet、 Sony NNabla などのフレームワーク、またはその他のサードパーティ製カスタムフレームワーク等を使用して、アプリケーションを構築することができます。Android OS の API レベルでは、Google Android Neural Networks API（Android NNAPI）及び MediaTek NeuroPilot SDK が標準サポートされています。 NeuroPilot SDK は Android NNAPI を拡張し、開発者やデバイスメーカーはメタルに近いコードを使うことが可能で、結果的にパフォーマンスと電力効率を向上させることができます。
MediaTek リサーチ
MediaTek リサーチ は、日常のデバイスにおける AI エコシステムの成長と向上に取り組んでいます。 最先端の ML テクノロジーを調査し、MediaTek のハードウェアおよびソフトウェア ソリューションがそれぞれのブランド製品で業界をリードし続けることを保証するイノベーションを生み出します。 国際的な研究チームは、非常に有名な世界的な出版物に定期的に研究論文を発表しています。
Mar 8, 2023
Extending the Pre-Training of BLOOM for Improved Support of Traditional Chinese: Models, Methods and Results
In this paper we present the multilingual language model BLOOM-zh that features enhanced support for Traditional Chinese. BLOOM-zh has its origins in the open-source BLOOM models presented by BigScience in 2022.
Feb 02, 2023
Fisher-Legendre (FishLeg) optimization of deep neural networks
We introduce a new approach to estimate the natural gradient via Legendre-Fenchel duality, provide a convergence proof, and show competitive performance on a number of benchmarks.
Dec 19, 2022
A Learning-Based Algorithm for Early Floorplan With Flexible Blocks
This paper presents a learning-based algorithm using graph neural network (GNN) and deconvolution network to predict the placement of the locations and the aspect ratios for the design blocks with flexible rectangles.
Oct 31, 2022
Near-Optimal Collaborative Learning in Bandits
A near-optimal algorithm is proposed for pure exploration in a new framework for collaborative bandit learning that encompasses recent prior works.
Nov 24, 2022
Gradient Descent: Robustness to Adversarial Corruption
We provide performance guarantees for gradient descent under a general adversarial framework
Improved Convergence Rates for Sparse Approximation Methods in Kernel-Based Learning
Kernel-based models such as kernel ridge regression and Gaussian processes are ubiquitous in machine learning applications for regression and optimization.
Feb 20, 2022
Regret Bounds for Noise-Free Kernel-Based Bandits
Kernel-based bandit is an extensively studied black-box optimization problem, in which the objective function is assumed to live in a known reproducing kernel Hilbert space.
LPI: Learned Positional Invariances for Transfer of Task Structure and Zero-shot Planning
Real-world tasks often include interactions with the environment where our actions can drastically change the available or desirable long-term outcomes.
Jun 1, 2022
Adaptive erasure of spurious sequences in sensory cortical circuits
Sequential activity reflecting previously experienced temporal sequences is considered a hallmark of learning across cortical areas.
Apr 13, 2022
Flexible Multiple-Objective Reinforcement Learning for Chip Placement
Recently, successful applications of reinforcement learning to chip placement have emerged. Pretrained models are necessary to improve efficiency and effectiveness.
