Học máy trí tuệ nhân tạo đòi hỏi nhiều sức mạnh tính toán và năng lượng nên thường được hoàn thành trên đám mây được hỗ trợ bởi các trung tâm dữ liệu. Nhưng một loại microtransistor mới tiết kiệm năng lượng hơn 100 lần so với công nghệ hiện có, hứa hẹn mang lại mức độ thông minh mới cho các thiết bị di động và thiết bị đeo được. Các nhà nghiên cứu tại Đại học Northwestern đã xuất bản một bài báo trên tạp chí Nature Electronics mô tả thiết bị điện tử nano mới của họ. Nó được thiết kế để thực hiện các nhiệm vụ phân loại, tức là phân tích lượng lớn dữ liệu và cố gắng gắn nhãn các bit quan trọng, vốn là xương sống của nhiều hệ thống máy học.

Mark C. Hersam của Đại học Northwestern, tác giả cấp cao của nghiên cứu, cho biết: "Ngày nay, hầu hết các cảm biến đều thu thập dữ liệu, sau đó gửi lên đám mây, phân tích bằng các máy chủ ngốn nhiều năng lượng và cuối cùng gửi kết quả lại cho người dùng. Cách tiếp cận này rất tốn kém. Đặc biệt cao, tiêu tốn nhiều năng lượng và gây thêm độ trễ thời gian. Thiết bị của chúng tôi rất tiết kiệm năng lượng và có thể được triển khai trực tiếp trong các thiết bị điện tử đeo trên người để phát hiện và xử lý dữ liệu theo thời gian thực, cho phép can thiệp nhanh hơn trong các trường hợp khẩn cấp về sức khỏe". Cấu trúc của bóng bán dẫn này cho phép nó được điều chỉnh và cấu hình lại nhanh chóng, do đó nó có thể được sử dụng cho nhiều bước trong chuỗi xử lý dữ liệu, trong khi các bóng bán dẫn truyền thống chỉ có thể thực hiện một bước trong mỗi bước.

Hessam giải thích: "Việc tích hợp hai vật liệu khác nhau vào một thiết bị cho phép chúng tôi điều chỉnh mạnh mẽ dòng điện bằng điện áp đặt vào, cho phép khả năng cấu hình lại động. Thiết bị duy nhất có khả năng điều chỉnh cao, cho phép chúng tôi thực hiện các phân loại phức tạp với diện tích nhỏ và mức tiêu thụ năng lượng thấp." Thuật toán. "

Trong các thử nghiệm, các nhà nghiên cứu đã huấn luyện những "bóng bán dẫn dị vòng lõi lai" nhỏ bé này để phân tích bộ dữ liệu điện tâm đồ có sẵn công khai và gắn nhãn sáu loại nhịp tim khác nhau: nhịp tim bình thường, phức hợp tâm nhĩ sớm, phức hợp tâm thất sớm, máy tạo nhịp tim, khối nhánh bó trái và khối nhánh bó phải.

Kết quả trên khắp 10.000 mẫu điện tâm đồ, các nhà nghiên cứu có thể phân loại chính xác nhịp tim bất thường với độ chính xác 95% chỉ bằng hai bóng bán dẫn nhỏ, trong khi các phương pháp học máy hiện tại yêu cầu hơn 100 bóng bán dẫn truyền thống và chúng chỉ sử dụng 1% năng lượng so với các phương pháp truyền thống

Điều đó có nghĩa là gì? để chạy trí tuệ nhân tạo học máy trên dữ liệu cảm biến của chính họ. Điều này có nghĩa là họ sẽ tìm thấy kết quả nhanh hơn các thiết bị phải gửi nhiều khối dữ liệu lên đám mây để phân tích, nhưng điều đó cũng có nghĩa là dữ liệu cá nhân mà họ thu thập sẽ vẫn cục bộ, riêng tư và an toàn. Giảm 100 lần mức tiêu thụ điện năng sẽ là một cải tiến lớn trong đào tạo mô hình lớn.

Khi các doanh nghiệp toàn cầu đổ xô đào tạo các mô hình ngôn ngữ rất lớn và trí tuệ nhân tạo đa phương thức, mức tiêu thụ năng lượng và lượng khí thải liên quan vẫn tăng vọt ngay cả trong năm 2021, 10-15% toàn bộ ngân sách năng lượng của Google được chi cho trí tuệ nhân tạo và chắc chắn rằng tỷ lệ này đã tăng lên đáng kể nếu một công ty tạo ra một con chip có thể đáp ứng được hiệu suất. trong số các thẻ AI hàng đầu của NVIDIA trong khi chỉ sử dụng 1% năng lượng của NVIDIA, công ty đó có thể sẽ hoạt động tốt.

Điều này có vẻ khó xảy ra; nhóm đã nhất quyết nói về thiết bị di động trong thông cáo báo chí của mình. Tuy nhiên, trí tuệ máy tính đã tiến thêm một bước và có thể mở ra một làn sóng thiết bị thông minh hơn.Nghiên cứu được công bố trên tạp chí Nature Electronics.