يتطلب التعلم الآلي باستخدام الذكاء الاصطناعي الكثير من القوة الحاسوبية والطاقة، لذلك يتم إكماله عادةً في السحابة المدعومة بمراكز البيانات. لكن هناك نوع جديد من الترانزستورات الدقيقة أكثر كفاءة في استخدام الطاقة بمقدار 100 مرة من التكنولوجيا الحالية، مما يعد بمستوى جديد من الذكاء للأجهزة المحمولة والأجهزة القابلة للارتداء. نشر باحثون في جامعة نورث وسترن ورقة بحثية في مجلة Nature Electronics تصف جهازهم الإلكتروني النانوي الجديد. وهو مصمم لأداء مهام التصنيف، أي تحليل كميات كبيرة من البيانات ومحاولة تسمية البتات المهمة، وهو العمود الفقري للعديد من أنظمة التعلم الآلي.
قال مارك سي هيرسم من جامعة نورث وسترن، المؤلف الرئيسي للدراسة: "اليوم، تقوم معظم أجهزة الاستشعار بجمع البيانات، ثم إرسالها إلى السحابة، وتحليلها بواسطة خوادم متعطشة للطاقة، وأخيرًا إرسال النتائج مرة أخرى إلى المستخدم. هذا النهج مكلف للغاية، ويستهلك كميات هائلة من الطاقة، ويضيف تأخيرًا زمنيًا. جهازنا موفر للطاقة للغاية ويمكن نشره مباشرة في الأجهزة الإلكترونية القابلة للارتداء للكشف في الوقت الفعلي ومعالجة البيانات، مما يسمح بالتدخل السريع في حالات الطوارئ الصحية".
في حين أن الترانزستورات الموجودة عادة ما تكون مصنوعة من السيليكون، فإن هذه الترانزستورات الجديدة مصنوعة من صفائح ثنائية الأبعاد من ثاني كبريتيد الموليبدينوم وأنابيب نانوية كربونية أحادية البعد. يسمح هيكل هذا الترانزستور بتعديله وإعادة تكوينه بسرعة أثناء التنقل، بحيث يمكن استخدامه لخطوات متعددة في سلسلة معالجة البيانات، في حين أن الترانزستورات التقليدية لا يمكنها سوى تنفيذ خطوة واحدة من كل خطوة.
وأوضح حسام أن "دمج مادتين مختلفتين في جهاز واحد يسمح لنا بتحقيق تعديل قوي لتدفق التيار باستخدام الجهد المطبق، مما يسمح بإعادة التشكيل الديناميكي". "إن قابلية الضبط العالية لجهاز واحد تسمح لنا بتنفيذ خوارزميات تصنيف معقدة ذات مساحة صغيرة واستهلاك منخفض للطاقة."
في الاختبارات، قام الباحثون بتدريب هذه "الترانزستورات الصغيرة ذات النواة الهجينة غير المتجانسة" لتحليل مجموعات بيانات مخطط كهربية القلب المتاحة للجمهور وتسمية ستة أنواع مختلفة من نبضات القلب: المركب الأذيني الطبيعي، المبكر، المركب البطيني المبكر، جهاز تنظيم ضربات القلب، إحصار الحزمة اليسرى، وكتلة فرع الحزمة اليمنى.
ونتيجة لذلك، في 10000 عينة من مخطط كهربية القلب، استخدم الباحثون اثنين فقط من الترانزستورات الدقيقة لتصنيف نبضات القلب غير الطبيعية بشكل صحيح بدقة 95%، في حين تتطلب أساليب التعلم الآلي الحالية أكثر من 100 ترانزستور تقليدي، وتستخدم 1% فقط من طاقة الطرق التقليدية.
ماذا يعني ذلك؟ بمجرد دخول هذه التكنولوجيا مرحلة الإنتاج - لم يُعرف بعد متى - ستكتسب الأجهزة المحمولة الصغيرة وخفيفة الوزن والتي تعمل بالبطارية الذكاء اللازم لتشغيل الذكاء الاصطناعي للتعلم الآلي على بيانات أجهزة الاستشعار الخاصة بها. وهذا يعني أنهم سيعثرون على النتائج بشكل أسرع من الأجهزة التي يتعين عليها إرسال مجموعات من البيانات إلى السحابة لتحليلها، ولكنه يعني أيضًا أن البيانات الشخصية التي يجمعونها ستظل محلية وخاصة وآمنة.
ومن غير الواضح ما إذا كان الجهاز مناسبًا فقط للأجهزة المحمولة أو ما إذا كان يمكنه معالجة بيانات الفيديو، أو ما إذا كان العمل يمكن أن ينتقل إلى أجهزة أكبر للتعلم الآلي والذكاء الاصطناعي. على سبيل المثال، سيكون تخفيض استهلاك الطاقة بمقدار 100 ضعف بمثابة تحسن كبير في تدريب النماذج الكبيرة.
ومع اندفاع الشركات العالمية إلى تدريب نماذج لغوية ضخمة للغاية والذكاء الاصطناعي المتعدد الوسائط، يتزايد استهلاك الطاقة والانبعاثات المرتبطة بها إلى عنان السماء. وحتى في عام 2021، سيتم إنفاق 10-15% من ميزانية الطاقة الكاملة لشركة جوجل على الذكاء الاصطناعي، ومن المؤكد أن هذه النسبة زادت بشكل كبير. إذا قامت إحدى الشركات بتصنيع شريحة يمكن أن تضاهي أداء أفضل بطاقات الذكاء الاصطناعي من NVIDIA مع استخدام 1% فقط من طاقة NVIDIA، فمن المحتمل أن تحقق هذه الشركة أداءً جيدًا.
يبدو ذلك غير محتمل؛ يصر الفريق على الحديث عن الأجهزة المحمولة في بيانه الصحفي. ومع ذلك، فقد خطا الذكاء الحاسوبي خطوة أخرى إلى الأمام، وقد يكون إيذاناً بموجة أخرى من الأجهزة الأكثر ذكاءً. وتستمر وتيرة التغيير في التسارع.
ونُشر البحث في مجلة نيتشر إلكترونيكس.