A introdução de um novo tipo de transístor capaz de executar algoritmos de inteligência artificial pode estar ao virar da esquina.
Este transístor reconfigurável funciona com uma fração de eletricidade em comparação com os seus equivalentes baseados em silício. Se for implementado, poderá anunciar uma nova vaga de smartwatches e de dispositivos portáteis equipados com uma potente tecnologia de IA.
Atualmente, as exigências energéticas de muitos algoritmos de IA tornam-nos inadequados para os vestíveis tradicionais, uma vez que esgotariam rapidamente a bateria.
Para processar dados utilizando algoritmos de aprendizagem automática, os smartwatches, os wearables e outros sensores portáteis têm de enviar os dados sem fios para um sistema de IA na nuvem, que analisa os dados e os envia de volta para o dispositivo.
O processamento local ao nível do dispositivo é consideravelmente mais rápido do que este processo, reduzindo a latência do processamento de dados. A baixa latência é crucial para as tecnologias sensíveis ao tempo, como o equipamento de fabrico e os veículos sem condutor.
Isto também é relevante para os sistemas da Internet das Coisas (IoT), que utilizam computadores para processar dados complexos localmente nos sensores, em vez de os enviar para a nuvem, também designados por computação periférica.
Como Mark Hersam, da Northwestern University, em Illinois, explicouSempre que os dados são transmitidos, aumenta a probabilidade de serem roubados. Se os dados pessoais de saúde forem processados localmente - por exemplo, no seu pulso, no seu relógio - o risco de segurança é muito menor".
Estes são alguns dos problemas investigadores da Northwestern University estão a tentar resolver com os seus novos transístores leves, que seriam incorporados em dispositivos portáteis.
Tecnologias de aprendizagem automática para dispositivos portáteis
A principal diferenciação destes novos transístores é a sua composição em bissulfureto de molibdénio e nanotubos de carbono.
Estes materiais permitem que o transístor seja perpetuamente reconfigurado por campos eléctricos, tratando quase instantaneamente várias etapas de processos orientados para a IA.
Em contrapartida, os transístores à base de silício só podem gerir um passo de cada vez, actuando como minúsculos interruptores electrónicos de ligar e desligar. Consequentemente, uma tarefa de IA que normalmente necessitaria de 100 transístores à base de silício pode necessitar apenas de um destes transístores reconfiguráveis, o que conduz a uma redução drástica da utilização de energia.
"O baixo consumo de energia resulta do facto de podermos implementar o [algoritmo de IA] com uma redução de 100 vezes no número de transístores, em comparação com a tecnologia de silício convencional", afirmou Mark Hersam, da Universidade Northwestern, no Illinois.
Hersam e a sua equipa de investigação demonstraram as capacidades destes transístores aplicando-os a um algoritmo de IA padrão baseado na aprendizagem automática que analisou dados de batimentos cardíacos de 10 000 testes de eletrocardiograma.
De forma impressionante, a IA conseguiu uma taxa de precisão de 95% na categorização das amostras de dados de batimentos cardíacos num grupo "normal" e em cinco grupos "arrítmicos" distintos, incluindo a contração ventricular prematura.
Vinod Sangwan, outro membro da equipa de investigação da Universidade Northwestern, salientou as potenciais implicações deste avanço, especialmente para dispositivos com pouca autonomia da bateria ou que não conseguem manter uma conetividade consistente à Internet para o processamento de IA baseado na nuvem.
No entanto, a incorporação destes transístores nos fluxos de trabalho existentes, garantindo simultaneamente a sua durabilidade, é essencial para a viabilidade comercial e continua a ser um desafio.
Esta é a mais recente entrada numa linha de avanços que levam a aprendizagem automática a dispositivos de baixo consumo.
No início do ano, investigadores da A IBM construiu chips leves inspirados no cérebro capaz de processar cargas de trabalho algorítmicas com baixos consumos de energia, o que, mais uma vez, se revela promissor para os dispositivos portáteis.
Com o tempo, estas tecnologias poderão ajudar a alimentar os utilizadores autónomos robôs bio-inspirados que processam dados localmente, à semelhança dos organismos orgânicos.
