בינה מלאכותית משמשת במערך של יישומים שימושיים, כגון חיזוי אורך החיים של המכונה באמצעות תנודותיה, ניטור פעילות הלב של מטופלים ושילוב יכולות זיהוי פנים במערכות מעקב וידאו. החיסרון הוא מבוסס בינה מלאכותית טֶכנוֹלוֹגִיָה בדרך כלל דורש כוח רב וברוב המקרים חייב להיות מחובר לצמיתות לענן, מה שמעלה בעיות הקשורות להגנת נתונים, אבטחת IT ושימוש באנרגיה.
ייתכן שמהנדסי CSEM מצאו דרך לעקוף את הבעיות הללו, הודות למערכת-על-שבב חדשה שפיתחו. הוא פועל על סוללה זעירה או תא סולארי קטן ומבצע פעולות בינה מלאכותית בקצה - כלומר, באופן מקומי על השבב ולא בענן. יתרה מכך, המערכת שלהם מודולרית לחלוטין וניתן להתאים אותה לכל אפליקציה שבה נדרש עיבוד אותות ותמונה בזמן אמת, במיוחד כאשר מדובר בנתונים רגישים. המהנדסים יציגו את המכשיר שלהם ב-2021 VLSI היוקרתי מעגלים סימפוזיון בקיוטו ביוני הקרוב.
ראש מחקר מערכת על שבב ב- CSEM אומר, "כאשר המערכת שלנו משמשת ביישומי זיהוי פנים, למשל, המאיץ הראשון יענה על שאלות ראשוניות כמו: האם יש אנשים בתמונות? ואם כן, האם פניהם נראות לעין? ". אם המערכת שלנו משמשת לזיהוי קולי, המאיץ הראשון יקבע אם קיים רעש והאם רעש זה מתאים לקולות אנושיים. אבל זה לא יכול להבהיר קולות או מילים ספציפיים - שם נכנס המאיץ השני. "
המאיץ השני הוא מנוע רשת עצבית קונבולוציה (CNN) שיכול לבצע את המשימות המסובכות יותר האלה - זיהוי פרצופים בודדים ואיתור מילים ספציפיות - אך הוא גם צורך יותר אנרגיה. גישה זו לעיבוד נתונים דו-שכבתי מצמצמת באופן דרסטי את דרישת החשמל של המערכת, מכיוון שלרוב רק המאיץ הראשון פועל.
כחלק ממחקרם, המהנדסים שיפרו את ביצועי המאיצים עצמם, והפכו אותם להתאמה לכל יישום בו יש צורך בעיבוד אות ותמונה מבוסס זמן. "המערכת שלנו עובדת באותה צורה בעצם ללא קשר ליישום", אומר החוקר. "עלינו רק להגדיר מחדש את השכבות השונות של מנוע ה- CNN שלנו."
החידוש של CSEM פותח דלת לדור חדש לגמרי של מכשירים עם מעבדים שיכולים לפעול באופן עצמאי למעלה משנה. זה גם מקטין בחדות את עלויות ההתקנה והתחזוקה של מכשירים כאלה ומאפשר להשתמש בהם במקומות שבהם יהיה קשה לשנות את סוללה.