Una nuova era di smartwatch e tecnologia indossabile potrebbe essere dietro l'angolo, grazie all'introduzione di un nuovo tipo di transistor in grado di eseguire algoritmi di intelligenza artificiale.
Questo transistor riconfigurabile funziona con una frazione di elettricità rispetto alle sue controparti basate sul silicio. Se implementato, potrebbe preannunciare una nuova ondata di smartwatch e wearable dotati di una potente tecnologia AI.
Attualmente, il fabbisogno energetico di molti algoritmi di intelligenza artificiale li rende inadatti agli indossabili tradizionali, in quanto scaricherebbero rapidamente la batteria.
Per elaborare i dati utilizzando gli algoritmi di apprendimento automatico, gli smartwatch, gli indossabili e altri sensori portatili devono inviare i dati in modalità wireless a un sistema di intelligenza artificiale nel cloud, che li analizza e li invia al dispositivo.
L'elaborazione locale a livello di dispositivo è notevolmente più veloce di questo processo, riducendo la latenza di elaborazione dei dati. La bassa latenza è fondamentale per le tecnologie sensibili ai tempi, come le apparecchiature di produzione e i veicoli senza conducente.
Ciò è rilevante anche per i sistemi Internet of Things (IoT), che utilizzano i computer per elaborare dati complessi localmente ai sensori piuttosto che inviare i dati al cloud, chiamato anche edge computing.
Come Mark Hersam della Northwestern University in Illinois.ha spiegatoOgni volta che i dati vengono trasmessi, aumenta la probabilità che vengano rubati. Se i dati sanitari personali vengono elaborati localmente, ad esempio al polso nell'orologio, il rischio di sicurezza è molto più basso".
Ecco alcuni dei problemi ricercatori della Northwestern University che stanno cercando di risolvere con i loro nuovi transistor leggeri, che verrebbero incorporati nei dispositivi portatili.
Tecnologie di apprendimento automatico per dispositivi portatili
La chiave di differenziazione di questi nuovi transistor è la loro composizione di bisolfuro di molibdeno e nanotubi di carbonio.
Questi materiali permettono al transistor di essere perennemente riconfigurato dai campi elettrici, gestendo in modo quasi istantaneo più fasi dei processi guidati dall'intelligenza artificiale.
Al contrario, i transistor basati sul silicio possono gestire solo un passaggio alla volta, agendo come minuscoli interruttori elettronici on-off. Di conseguenza, un compito di intelligenza artificiale che in genere richiederebbe 100 transistor basati sul silicio potrebbe richiedere solo uno di questi transistor riconfigurabili, con una drastica riduzione del consumo energetico.
"La bassa energia deriva dal fatto che possiamo implementare [l'algoritmo di intelligenza artificiale] con una riduzione di 100 volte del numero di transistor, rispetto alla tecnologia convenzionale del silicio", ha dichiarato Mark Hersam della Northwestern University dell'Illinois.
Hersam e il suo team di ricerca hanno dimostrato le capacità di questi transistor applicandoli a un algoritmo AI standard basato sull'apprendimento automatico che ha analizzato i dati del battito cardiaco provenienti da 10.000 test di elettrocardiogramma.
In modo impressionante, l'intelligenza artificiale ha raggiunto un tasso di precisione di 95% nel classificare i campioni di dati del battito cardiaco in un gruppo "normale" e in cinque gruppi "aritmici" distinti, tra cui la contrazione ventricolare prematura.
Vinod Sangwan, un altro membro del team di ricerca della Northwestern University, ha sottolineato le potenziali implicazioni di questo progresso, in particolare per i dispositivi con scarsa durata della batteria o che non possono mantenere una connettività Internet costante per l'elaborazione dell'intelligenza artificiale basata sul cloud.
Tuttavia, l'incorporazione di questi transistor nei flussi di lavoro esistenti, garantendo al contempo la loro durata, è essenziale per la redditività commerciale e rimane una sfida.
È l'ultima novità di una serie di innovazioni che portano l'apprendimento automatico su dispositivi a basso consumo.
All'inizio dell'anno, i ricercatori di IBM ha costruito chip leggeri ispirati al cervello in grado di elaborare carichi di lavoro algoritmici con una bassa richiesta di energia, mostrandosi ancora una volta promettenti per i dispositivi portatili.
Con il tempo, queste tecnologie potrebbero contribuire all'alimentazione di veicoli autonomi. robot bio-ispirati che elaborano i dati localmente, in modo simile agli organismi organici.
