Давайте повторим синапс
Фото: Blumind
Канадский стартап Blumind нашёл способ кардинально сократить энергопотребление систем искусственного интеллекта (ИИ), что позволит применять их в узлах интернета вещей. Созданная компанией аналоговая вычислительная архитектура оптимизирована под типовые операции нейросетей - умножение выборок данных на весовые коэффициенты и сложение результатов. Вычисления проводятся в оперативной памяти, где данные хранятся в виде заряда. Для умножения величины заряда на весовой коэффициент используется всего один транзистор.
Цифровые процессоры потребляют энергию всякий раз, когда заряд с шины питания проходит на шину земли. Создатели архитектуры Blumind всячески избегают этого, предпочитая перемещать заряды из одной точки схемы в другую. Типичные задачи нейросети, такие как распознавание речи, не предполагают стопроцентную точность, поэтому небольшие погрешности аналоговых вычислений вполне допустимы.
Главный недостаток архитектуры Blumind на нынешнем этапе - необходимость программирования на аппаратном уровне, то есть процессор выполняет только одну задачу. Но в некоторых случаях, например в умных микрофонах, которые распознают набор слов и могут по команде человека включить либо отключить то или иное устройство, этот недостаток не критичен.