To za sprawą dokonań naukowców z Northwestern University, którzy doprowadzili do przełomu poprzez wykorzystanie nowatorskich tranzystorów. Dzięki nim możliwe jest zmniejszenie ich rozmiarów oraz ograniczenie zużycia energii potrzebnej do działania sztucznej inteligencji.
Czytaj też: Ten związek zastąpi paliwa kopalne. Ma bardzo wysoką gęstość energii
Kulisy prowadzonych eksperymentów oraz potencjalne korzyści z nich płynące zostały niedawno zaprezentowane na łamach Nature Electronics. Jak wyjaśnia Mark Hersam, wysokie zapotrzebowanie na energię, jakim cechowały się do tej pory systemy oparte na sztucznej inteligencji wynikało do tej pory z kilku różnych czynników. Po pierwsze, dane są najpierw gromadzone, później trafiają do chmury, gdzie zachodzi ich analiza, a na koniec muszą zostać ponownie przesłane do użytkownika.
Gdyby tylko dało się wykonywać te zadania lokalnie, to zużycie energii mogłoby zostać znacząco zredukowane. Dążąc do poprawy, Hersam i jego współpracownicy postanowili wykonać dość nietypowy krok: zrezygnować z krzemu, który był do tej pory wykorzystywany w produkcji tranzystorów. Zamiast tego składnika naukowcy użyli dwusiarczku molibdenu oraz nanorurek węglowych.
Sztuczna inteligencja miała do tej pory poważne problemy z ilością energii zużywanej w czasie szkolenia oraz prowadzenia analiz
W przypadku tranzystorów krzemowych problemem było do tej pory to, że mogły one wykonywać tylko jeden etap przetwarzania danych. Z tego względu liczba tranzystorów rosła wraz z wielkością zbioru danych. Stosując dwusiarczek molibdenu i nanorurki węglowe członkowie zespołu badawczego sprawili, że możliwe stało się prowadzenie dynamicznej rekonfiguracji, zmniejszenie rozmiaru tranzystorów oraz ograniczenie zużycia energii.
W ramach testów nowej technologii autorzy wspomnianej publikacji przeprowadzili szkolenie sztucznej inteligencji. Została ona później oddelegowana do interpretacji danych z elektrokardiogramu. Takie zadanie stanowi wyzwanie nawet dla ludzkich specjalistów, dlatego maszyny mają z nim nawet więcej problemów i muszą zwykle zużywać wiele zasobów, aby zrealizować postawione przed nimi cele.
Czytaj też: Opera jeszcze bardziej inteligentna. Podrobi nawet Twój styl pisania
Sztuczna inteligencja miała za zadanie klasyfikować poszczególne typy uderzeń serca. Na liście znalazło się normalne bicie, przedwczesne pobudzenie przedsionka, przedwczesny skurcz komór, pobudzenie wystymulowane, pobudzenie lewej odnogi pęczka Hisa i pobudzenie prawej odnogi pęczka Hisa. Pod lupę wzięto 10 000 badań z wykorzystaniem elektrokardiogramu, a ostateczna wydajność tej metody wyniosła imponujące 95 procent. Co więcej, w przypadku tranzystorów krzemowych konieczne byłoby użycie co najmniej stu takowych. W nowej konfiguracji skorzystano natomiast z zaledwie dwóch. Dalszy rozwój zastosowanego podejścia powinien przełożyć się na kolejne redukcje. Dotychczasowe rezultaty są imponujące, więc pozostaje nam czekać na dalsze postępy.