Η πίεση για πιο αποδοτικό AI δεν αφορά μόνο τα μεγάλα data centers, αλλά και τις μικρές συσκευές που πρέπει να αντιδρούν άμεσα με περιορισμένη μπαταρία και χωρίς μόνιμη σύνδεση στο cloud. Εκεί στοχεύει η νέα δουλειά μηχανικών του Northwestern University, οι οποίοι παρουσίασαν ένα chip εμπνευσμένο από την παρεγκεφαλίδα ώστε να εντοπίζει το ασυνήθιστο χωρίς να αναλύει αδιάκοπα κάθε εισερχόμενο σήμα.
Τι αλλάζει στο ίδιο το chip
Η ερευνητική ομάδα περιγράφει ένα memtransistor από δισουλφίδιο του μολυβδαινίου (MoS2), όπου μνήμη και επεξεργασία συνυπάρχουν στην ίδια μονάδα. Αυτό μειώνει τη συνεχή μεταφορά δεδομένων ανάμεσα σε ξεχωριστή μνήμη και επεξεργαστή, δηλαδή ένα από τα βασικά σημεία όπου χάνονται ενέργεια και χρόνος στα συμβατικά συστήματα.
Αντί να μιμείται τον εγκεφαλικό φλοιό, η αρχιτεκτονική μιμείται τη λογική της παρεγκεφαλίδας: κρατά ισορροπία ανάμεσα σε διεγερτικά και ανασταλτικά σήματα και ενεργοποιείται όταν εμφανιστεί μια ουσιαστική απόκλιση. Σύμφωνα με το Northwestern, αυτή η προσέγγιση χρειάστηκε περίπου 10.000 φορές λιγότερες υπολογιστικές πράξεις από πιο συμβατικές AI μεθόδους, ενώ στις δοκιμές εντόπισε καρδιακές αρρυθμίες μέσα σε λιγότερο από το ένα πέμπτο ενός παλμού με ακρίβεια άνω του 98%.
Γιατί αυτό ενδιαφέρει το edge AI
Το πρακτικό κέρδος είναι ότι το σύστημα δεν ξοδεύει πόρους για να ξανακοιτά τα αναμενόμενα δεδομένα. Παραμένει ουσιαστικά σε αναμονή και παρεμβαίνει όταν προκύψει κάτι νέο, κάτι που ταιριάζει σε wearables, αισθητήρες εργοστασίου, ρομποτικά συστήματα, οχήματα και εφαρμογές κυβερνοασφάλειας όπου η ταχύτητα αντίδρασης με χαμηλή κατανάλωση είναι πιο σημαντική από το να στέλνονται τα πάντα σε απομακρυσμένο server.
Η ίδια η ομάδα συνδέει το αποτέλεσμα με μια νέα γενιά always-on AI συστημάτων χαμηλής ισχύος. Αν αυτή η κατεύθυνση επιβεβαιωθεί και εκτός εργαστηρίου, τότε περισσότερες εργασίες ανίχνευσης ανωμαλιών θα μπορούν να γίνονται τοπικά, με μικρότερο latency και με λιγότερη εξάρτηση από ενεργοβόρα υποδομή cloud.
Η ελληνική προοπτική
Για την ελληνική αγορά, η σημασία δεν είναι θεωρητική. Εταιρείες σε healthtech, logistics, βιομηχανικό automation και έξυπνες ενεργειακές υποδομές έχουν λόγο να παρακολουθούν hardware που φέρνει περισσότερη νοημοσύνη στο edge, επειδή τέτοιες αρχιτεκτονικές μπορούν να ρίξουν το λειτουργικό κόστος και να κάνουν πιο ρεαλιστικές εφαρμογές σε περιβάλλοντα όπου η συνδεσιμότητα ή η τροφοδοσία δεν είναι δεδομένες.
Δεν πρόκειται ακόμη για προϊόν που μπαίνει αύριο στην παραγωγή, αλλά για σαφές σήμα προς την αγορά: η επόμενη ώθηση στο AI ίσως έρθει όχι μόνο από μεγαλύτερα μοντέλα, αλλά και από πιο έξυπνα, πιο φειδωλά chips που ξέρουν πότε αξίζει να υπολογίζουν και πότε όχι.