Микроэлектромеханические системы в канадском Университете Шербрука в Квебеке исследуют уже долгое время. В прошлом году команда под руководством профессора Джулиана Сильвестра доказала теоретическую возможность настроить нейросеть на MEMS, а теперь показала первое устройство такого рода. Новый подход может преобразить то, как используются серверные мощности и другие ресурсы для работы ИИ-приложений, подчеркивает IEEE Spectrum.

Статья с описанием устройства опубликована в Journal of Applied Physics. Для организации нейросети канадские ученые применили подход, известный как «reservoir computing». Обычно нейросети работают на базе мощных компьютеров, но это не единственный способ. Например, летом в США представили первую оптическую нейросеть, которая преобразует поступающие сигналы слой за слоем — без затрат энергии и со скоростью света. Сама нейросеть при этом не меняется и не производит вычислений.

Похожим образом организована работа и микроэлектромеханической нейросети. «Резервуаром» в данном случае выступает кремниевый проводник, резонанс которого меняется в зависимости от поступающих в разное время данных. Как объясняет Сильвестр, тонкость в том, чтобы каждый учитываемый в модели параметр вибрировал отличным от других образом. В этом и заключается «тренировка» такой нейросети. Тогда система считывания информации (зеленый и синий электроды на схеме) сможет опознать это конкретное состояние нейросети и передать сигнал в зависимости от него.

«Это непривычный способ создать устройства с „искусственным интеллектом“, которые могут быть действительно разумными и эффективными», — подчеркивает Сильвестр.

«Там, где нужен большой компьютер, который затратит кучу энергии — десятки ватт — наша MEMS уместится на кончике волоса и потребует микроваттов энергии. При этом они умеют удивительные вещи, например распознавать произнесенные слова — тогда как обычный компьютер затратил бы на это 10% ресурсов», — подчеркивает ученый.

Как одно из возможных приложений для ИИ-MEMS Сильвестр видит автономные акселерометры, которые смогут собирать и обрабатывать данные без привлечения компьютера и передачи данных.

Возможность организовать вычисления «на месте» — одна из актуальных задач работы ИИ-алгоритмов, которым сейчас чаще всего необходимо непрерывно передавать данные на серверы и скачивать оттуда результаты.

Amazon выпустил отдельный пресс-релиз, когда Alexa в умных колонках научилась распознавать хотя бы самые простые команды пользователя без подключения к интернету и доступа к облаку. А Google летом представил чип Edge для применения в таких автономных приложениях. Создатели надеются, что он сделает проникновение ИИ тотальным.