L’intelligenza artificiale viene utilizzata in una serie di applicazioni utili, come prevedere la durata di vita di una macchina attraverso le sue vibrazioni, monitorare l’attività cardiaca dei pazienti e incorporare funzionalità di riconoscimento facciale nei sistemi di videosorveglianza. Lo svantaggio è che è basato sull'intelligenza artificiale la tecnologia generalmente richiede molta energia e, nella maggior parte dei casi, deve essere permanentemente connesso al cloud, sollevando problemi legati alla protezione dei dati, alla sicurezza informatica e al consumo energetico.
Gli ingegneri CSEM potrebbero aver trovato un modo per aggirare questi problemi, grazie a un nuovo sistema su chip che hanno sviluppato. Funziona con una piccola batteria o una piccola cella solare ed esegue operazioni di intelligenza artificiale all'edge, ovvero localmente sul chip anziché nel cloud. Inoltre, il loro sistema è completamente modulare e può essere adattato a qualsiasi applicazione in cui sia richiesta l'elaborazione di segnali e immagini in tempo reale, soprattutto quando sono coinvolti dati sensibili. Gli ingegneri presenteranno il loro dispositivo al prestigioso VLSI 2021 circuiti Simposio a Kyoto questo giugno.
Il capo della ricerca system-on-chip presso CSEM afferma: “Quando il nostro sistema viene utilizzato in applicazioni di riconoscimento facciale, ad esempio, il primo acceleratore risponderà a domande preliminari come: ci sono persone nelle immagini? E se sì, sono visibili i loro volti?”. Se il nostro sistema viene utilizzato nel riconoscimento vocale, il primo acceleratore determinerà se è presente del rumore e se quel rumore corrisponde a voci umane. Ma non riesce a distinguere voci o parole specifiche: è qui che entra in gioco il secondo acceleratore".
Il secondo acceleratore è un motore di rete neurale convoluzionale (CNN) in grado di eseguire questi compiti più complicati, riconoscere volti individuali e rilevare parole specifiche, ma consuma anche più energia. Questo approccio di elaborazione dei dati a due livelli riduce drasticamente i requisiti di alimentazione del sistema, poiché la maggior parte delle volte è in esecuzione solo il primo acceleratore.
Come parte della loro ricerca, gli ingegneri hanno migliorato le prestazioni degli stessi acceleratori, rendendoli adattabili a qualsiasi applicazione in cui è necessaria l'elaborazione di segnali e immagini basata sul tempo. "Il nostro sistema funziona sostanzialmente allo stesso modo indipendentemente dall'applicazione", afferma Researcher. "Dobbiamo solo riconfigurare i vari livelli del nostro motore CNN".
L'innovazione CSEM apre le porte a una generazione completamente nuova di dispositivi con processori che possono funzionare in modo indipendente per oltre un anno. Riduce inoltre drasticamente i costi di installazione e manutenzione di tali dispositivi e consente loro di essere utilizzati in luoghi in cui sarebbe difficile cambiare il batteria.