На своем сайте Eta Computing упирает на экономичность предлагаемого решения: процессор TENSAI в режиме ожидания потребляет всего 50 микроватт и 500 — под полной нагрузкой. Секрет — в особой схеме используемой нейросети.

В общем виде нейросеть представляет из себя сеть связанных узлов, каждому из которых присвоен определенный вес. Комбинации весов и связей определяют результат. Обычно веса задаются 8- или 16-битными числами. Однако TENSAI использует алгоритм spiking neural network (SNN) — в ней каждому узлу может быть присвоен вес либо 0, либо 1. Это делает SNN похожей по принципу работы на человеческий мозг и его нейроны.

Но более важно, что SNN решает определенные задачи сверхэкономично — ведь процессору не надо перемножать веса, достаточно их складывать. Кроме того, такая сеть умеет обучаться на неструктурированных данных, пишет IEEE Spectrum.

Традиционной сверточной нейросети для распознавания гепарда на фото нужно проанализировать 100 000 пикселей изображения. SNN достаточно 1000 пикселей.

Второе преимущество — простота обучения. Один из основателей Eta Пол Вашкевич подчеркивает, что для широкого распространения ИИ обучение нейросетей должно стать намного проще. Сейчас для этого часто необходимы мощные серверы, которые создают модель анализа данных благодаря базам из миллионов размеченных изображений. И лишь после этого ее воплощают в конкретном приборе на месте применения. Так же работает большинство ИИ-чипов в мобильных телефонах и устройствах интернета вещей.

Вашкевич уверяет, что TENSAI делает все это самостоятельно. Стартап представил видео обучения SNN слову «smart» — «умный». После десятка повторений нейросеть успешно распознает его, игнорируя слова «yellow» и «dumb».

По словам разработчика, чип со скромным энергопотреблением можно вставить в умную колонку, и он будет включать ее, услышав кодовое слово, и «усыплять», когда прослушивать пространство вокруг больше не нужно.

По данным стартапа, крупные потенциальные клиенты уже получили образцы микросхемы, а массовое производство Eta надеется начать в 2019 году.

Хайтек+ писал о еще одном принципиальном прорыве в создании экономичных нейронных сетей: ИИ впервые удалось интегрировать в микроэлектромеханическую систему.