محققان MIT تراشهای کممصرف طراحی کردهاند که میتواند امکان اجرای شبکههای عصبی را در ابزارهای همراه فراهم کند.
محققان MIT موفق به طراحی تراشهای شدهاند که میتواند فرایند سنگین اجرای شبکههای عصبی را سرعت ببخشد و ضمن افزایش سرعت، مصرف انرژی را به میزان ۹۵ درصد کاهش دهد. مفهوم اصلی کار محققان بر مبنای سادهسازی طراحی تراشه بوده است؛ بهگونهای که نیاز به انتقال داده بین پردازندههای مختلف موجود در یک تراشه از بین خواهد رفت.
برتری عمدهی این روش که توسط تیمی به رهبری آویشک بیسواس (از فارغالتحصیلان MIT) توسعه داده شده، در این است که این احتمال را فراهم میآورد تا بتوان شبکههای عصبی را در گوشیهای هوشمند، ابزارهای خانگی و دیگر ابزارهای قابل حمل اجرا کرد. در این حالت نیازی به ارتباط با سرورهای خارجی که به شبکههای برق محلی متصل هستند وجود نخواهد داشت.
این بدین معنی است که در آینده گوشیهایی که از این پردازنده استفاده میکنند، میتوانند پردازشهایی همچون تشخیص پیشرفتهی صدا و چهره را بهطور محلی و از طریق شبکههای عصبی و یادگیری عمیق به انجام برسانند و به الگوریتمهای ابتداییتر و قانونمحور نیاز نخواهند داشت. این ابزارها برای تفسیر نتایج نیازی به رد و بدل کردن اطلاعات با سرورهای ابری نخواهند داشت.
چنین روشی Edge Computing نامیده میشود و بدین معنی است که پردازش در همان محلی به انجام میرسد که حسگرها در حال جمعآوری اطلاعات هستند. شرکتهای مختلف در حال تحقیق روی این روش و به دنبال استفاده از آن هستند. اگر طرح پردازندهی ارائهشده توسط محققان MIT به مرحلهی تجاری برسد، میتواند تأثیر شگرفی بر پیشرفت Edge Computing داشته باشد.