A neurális hálózatokat alkotó eszközök gyakorlatilag mindig elektromos hálózatba csatlakozó készülékek, ugyanis energiaigényük miatt mobil környezetben nem állnák meg a helyüket. Az akkumulátorokat túl gyorsan lemerítő megoldások helyhez kötöttségét azonban hamarosan el lehet felejteni az MIT fejlesztésének köszönhetően.

Az energiahatékonyság nem volt szempont - eddig

Az amerikai műszaki intézet beszámolója szerint chipje révén az energiatároló telepekre alapuló készülékek esetében is kiaknázhatók lesznek az összetettebb neurális hálózatok jelentette lehetőségek. Annyira energiahatékony az új lapka, hogy akár okostelefonokban vagy otthoni okoseszközökbe integráltan is visszaköszönhet.

"A mesterségesintelligencia-rendszerek legfrissebb eredményei, mint a beszéd- vagy az arcfelismerésben elért fejlődés, a neurális hálózatoknak köszönhető. A sűrűn összekapcsolt, egyszerű információs processzorok óriási mennyiségű, tanulásra használható adatokon edződve képesek megtanulni, hogyan kell hatékonyan végrehajtani feladatokat" – foglalta röviden össze az MIT a neurális hálózatok fontosságát.

Egyben arra is rámutatott, hogy hiába játszanak ennyire fontos szerepet már a jelenben is, számítási teljesítményük nagy energiaigénnyel párosul, így hordozható eszközökben való alkalmazásuk napjainkban nem kivitelezhető. A legtöbb mai, neurális hálózati feladatok megoldását kínáló app nem csinál mást, mint feltölti az adatokat az internetre, ahol a szerverek feldolgozzák a kérelmeket, majd visszaküldik az eredményt. A számítások nem az okostelefonokon történnek.

Ezt a problémát felismerve fejlesztette tovább saját, speciális célú MI chipjét az MIT. Így, miközben elődeinek számítási teljesítményét háromszorosan-hétszeresen haladja meg a lapka, energiafogyasztása drasztikusan, 95 százalékkal csökkenhetett.

Az IoT biztosan profitálni fog belőle

Ahhoz, hogy megértsük, miként sikerült ilyen döbbenetes eredményt elérni, tisztában kell lennünk a neurális hálózatokat alkotó chipek működési alapjával. Az általános processzormodell tulajdonképpen úgy néz ki, hogy a lapka egyik részében található a memória, a feldolgozóegységek pedig egy másik részben vannak. Számítási feladatok elvégzésekor ezek között mozog ide-oda az adat.

Mivel a gépi tanulási algoritmusok rengeteg számítást végeznek el, ez az adatmozgatás felel az energiafogyasztás zöméért, árulta el Avishek Biswas, az MIT egyik végzős hallgatója, aki az új chip fejlesztésének folyamatát vezette. Biswas, követve mentorának tanácsát, rájött, hogy ezek az algoritmusok egyetlen műveletre egyszerűsíthetők. Ezt pont-terméknek (dot product) nevezte el.

"Úgy gondoltuk, hogy ezt a funkcionalitást implementálni lehetne a memóriába, így nem kellene annyit mozgatni az információt oda-vissza" – nyilatkozta Biswas. A chipben ugyanis egy csomópont bemeneti értékeit elektromos feszültségszintekre alakítják át, majd ezeket megfelelő súlyozás szerint növelik. Az összegzés tulajdonképpen a feszültségszintek kombinálásából adódik, tehát ha csak ez utóbbit alakítják vissza digitális értékké és tárolják további feldolgozásig, azzal rengeteg energiát lehet megtakarítani.

A prototípus lapkát az IBM mesterséges intelligenciával foglalkozó alelnöke, Dario Gil hatalmas előrelépésnek nevezte. Szerinte a fejlesztés megnyitja annak lehetőségét, hogy a jövőben összetettebb neurális hálózatokat lehessen alkalmazni például képi vagy videótartalmak osztályozására az IoT-ben.