Si pensa, giustamente, che l’intelligenza artificiale richieda enormi quantità di energia e di spazio per permettere ai macchinari di elaborare trilioni e trilioni di dati in pochissimo tempo.
Ed è così, se non fosse che di recente un’università ha sviluppato un dispositivo che potrebbe rendere l’AI low-energy.
La nanotecnologia rende l’intelligenza artificiale a basso consumo energetico
Gli ingegneri della Northwestern University hanno sviluppato un nuovo dispositivo nanoelettronico in grado di eseguire compiti accurati di classificazione basati sull’apprendimento automatico nel modo più efficiente dal punto di vista energetico. La ricerca è stata pubblicata oggi sulla rivista Nature Electronics.
Utilizzando 100 volte meno energia rispetto alle tecnologie attuali, il dispositivo può elaborare grandi quantità di dati ed eseguire attività di intelligenza artificiale (AI) in tempo reale senza trasmettere dati al cloud per l’analisi.
Con il suo ingombro ridotto, il consumo energetico estremamente basso e l’assenza di tempi di attesa per ricevere le analisi, il dispositivo è ideale per l’integrazione diretta in dispositivi elettronici indossabili (come orologi intelligenti e fitness tracker) per l’elaborazione dei dati in tempo reale e una diagnostica quasi istantanea.
Per saperne di più: Intelligenza artificiale: cos’è e come funziona, tutto sulla AI
Per testare il concetto, gli ingegneri hanno utilizzato il dispositivo per classificare grandi quantità di informazioni provenienti da set di dati di elettrocardiogrammi (ECG) disponibili al pubblico.
Il dispositivo non solo è stato in grado di identificare in modo efficiente e corretto un battito cardiaco irregolare, ma è stato anche in grado di determinare il sottotipo di aritmia tra sei diverse categorie con una precisione prossima al 95%.
Perché l’IA richiede così tanta energia
Questo sviluppo tecnologico è decisamente rivoluzionario, visto che ancora oggi lo sviluppo di un’intelligenza artificiale è tutto meno che semplice ed economico. Prima che gli strumenti di machine learning possano analizzare nuovi dati, questi strumenti devono prima ordinare in modo accurato e affidabile i dati di addestramento in varie categorie.
Un compito facile per un essere umano, ma un lavoro complicato per una macchina, che non può non richiedere grandi accumuli di energia. Basti pensare che con le attuali tecnologie basate sul silicio, per classificare i dati provenienti da set di grandi dimensioni come gli ECG sono necessari più di 100 transistor, ciascuno dei quali richiede la propria energia per funzionare.
Ma il dispositivo nanoelettronico della Northwestern può eseguire la stessa classificazione di apprendimento automatico con solo due dispositivi. Riducendo il numero di dispositivi, i ricercatori hanno ridotto drasticamente il consumo energetico e hanno sviluppato un dispositivo molto più piccolo che può essere integrato in un gadget indossabile standard.
Intervistato da New Scientist, Hersam immagina che, alla fine, questi dispositivi nanoelettronici potrebbero essere incorporati in dispositivi indossabili di tutti i giorni, personalizzati in base al profilo di salute di ciascun utente per applicazioni in tempo reale. Consentirebbero alle persone di sfruttare al massimo i dati che già raccolgono senza ridurre il potere.
