Een deep-learning-processor kan de originele Doom spelen met een stroomverbruik van slechts één milliwatt. Het experiment werd uitgevoerd door David Garrett, van de Californische chipontwikkelaar Syntiant. Het artikel is gepubliceerd op IEEE Spectrum.
De betreffende processor, de NDP200, is specifiek ontworpen voor toepassingen waarbij een klein deep learning-netwerk met zo min mogelijk energie moet worden gebruikt. Er is een kloksnelheid van maximaal 100 MHz en de hele chip is slechts via 40 pinnen aangesloten.
Dat blijkt genoeg voor het spelen van Doom. Om het spel met de kleine processor te besturen, trainde Garrett een Deep Learning-netwerk met behulp van Reïnforcement Learning en de Vizdoom-spelversie die voor dit doel is ontworpen. Met behulp van ongeveer 600.000 parameters berekent dit de benodigde invoer van de afbeelding die door het spel wordt weergegeven. Met het genoemde energieverbruik van één milliwatt kan de gebruikte processor met 6 fps tegenstanders herkennen en beslissen welke input hij vervolgens naar het spel moet sturen. Met het experiment wil Garrett aantonen dat de processor gebruikt kan worden om mensen te herkennen.
In de video is te zien dat het geheel redelijk goed werkt in een eenvoudig level met vijanden die uit alle richtingen op de speler af komen rennen. De processor mist maar een paar keer en kan op betrouwbare wijze de aanvallende tegenstanders detecteren en beschieten totdat de munitie op is.
Door de jaren heen is Doom vaker gebruikt voor experimenten waarbij de game gedraaid wordt vanuit bijvoorbeeld de bios, een controllerchip van Ikea of in Windows Kladblok.
Bronnen: IEEE Spectrum, Tom's Hardware
