Bisakah Jaringan Saraf Terinspirasi Serangga Merevolusi AI untuk Internet of Things?
Peneliti sedang mempelajari bagaimana fungsi sistem saraf serangga tertentu mirip dengan fungsi yang dilakukan oleh memori deterministik, probabilistik, volabel, dan non-volabel, serta mengeksplorasi bagaimana fungsi-fungsi ini dapat direkreasi dalam sistem nanosilikon berkinerja tinggi dan hemat energi untuk AI.
Di satu sudut dunia AI/ML, NVIDIA berusaha memaksakan pikiran siapa saja yang ingin mencoba pelatihan bahwa daya olah mentah lebih banyak adalah jawabannya. Di sisi lain, CEA-Leti baru-baru ini mengumumkan bahwa Elisa Vianello, koordinator program Edge AI, mendapat hibah sebesar 3 juta euro dari European Research Council (ERC) untuk mengembangkan sistem edge AI baru yang terinspirasi oleh sistem saraf serangga.
Menurut Vianello, salah satu tantangan terbesar dalam membawa AI langsung ke perangkat IoT, yang akan memungkinkan mereka membuat keputusan otonom berdasarkan perbandingan input sensor dengan data terlatih dan pohon keputusan, adalah bahwa arsitektur chip saat ini membuang hingga 90% konsumsi energi totalnya untuk memindahkan data, bukan memprosesnya.
Lihat juga: Peneliti Ungguli Metode Pengenalan Ucapan dengan Bantuan Lebah Madu
Karena pemborosan ini, perangkat IoT either terhambat dalam kemampuan AI-nya atau harus terhubung secara fisik ke sumber energi stabil, yang berarti mereka tidak sefleksibel yang diinginkan banyak organisasi. Hal ini terlihat ganda untuk satu aplikasi yang diusulkan, yaitu mikrochip diagnosis medis yang dapat ditanamkan, yang akan sangat bergantung pada kepercayaan pengguna terhadap keandalan perangkat.
Apa hambatannya ketika datang ke perangkat skala kecil? Tidak ada jenis memori yang padat, resolusi tinggi, non-volabel, dan tahan lama tanpa akhir. Vianello mengatakan banyak laboratorium industri dan pusat riset telah mencoba mengembangkan arsitektur memori-di-memori dalam skala nano, yang menggunakan pemrosesan di-memori, namun hasilnya paling baik bercampur. DRAM, misalnya, volabel, yang berarti isinya akan dihapus saat energi hilang—sebuah kejadian yang mungkin dalam banyak pengaturan IoT. Jenis memori non-volabel, seperti NVRAM, telah meningkatkan daya tahannya secara dramatis selama bertahun-tahun; mereka masih tidak sepenuhnya akurat.
Vianello dan timnya akan menggunakan dana hibah untuk meneliti bagaimana fungsi sistem saraf serangga tertentu mirip dengan fungsi yang dilakukan oleh memori deterministik, probabilistik, volabel, dan non-volabel, lalu mengeksplorasi bagaimana itu dapat direkreasi dalam “sistem nanosilikon berkinerja tinggi dan hemat energi.” Vianello mengatakan, “Tumbuhan membuat keputusan yang akurat berdasarkan neuron dan sinapsi yang lambat, tidak akurat, dan tidak andal untuk melarikan diri dari predator mereka. Dengan melihat lebih dekat biologi mereka, kami mengidentifikasi keberagaman fungsi seperti memori yang berperan dalam sistem sensorik dan saraf mereka. Dengan menggabungkan fungsi-fungsi yang berbeda ini, sistem komputasi internal tumbuhan mencapai kinerja dan efisiensi energi yang luar biasa.”
Misalnya, tumbuhan memiliki beberapa sensor di tubuh mereka, bersama dengan banyak unit pemrosesan lokal di perut mereka, yang mampu belajar terus-menerus dan membuat keputusan tanpa melibatkan otak pusat. Karena memiliki sistem komputasi terdistribusi, mereka membuat keputusan lebih cepat—tanpa harus mentransfer data dari satu tempat ke tempat lain sebelum memprosesnya.
Tujuannya adalah sinap hibrid yang dapat mengintegrasikan lebih dari satu teknologi memori dalam skala kecil yang ramah IoT, yang akan membantu menavigasi kekurangan setiap sistem dan menghapus setidaknya sebagian energi yang dibuang dalam mentransfer data alih-alih memprosesnya menggunakan algoritma AI/ML. Tim Vianello berharap mengambil volume kecil data bising, seperti yang ditangkap oleh kamera video, radar, atau perangkat ECG, dan mengaktifkan jenis pembelajaran yang tidak mungkin menggunakan arsitektur komputasi IoT saat ini.
Produk baru yang didorong oleh wawasan baru dari tim Vianello kemungkinan masih jauh tahun depan, dan paradigma baru dipersilakan di dunia IoT yang berubah cepat. Dengan 46% organisasi meningkatkan adopsi 5G-nya, beberapa standar yang viable untuk edge computing, dan lebih banyak arsitektur yang didorong peristiwa yang diterapkan di tepi, permintaan akan IoT yang lebih cepat, lebih efisien, dan lebih mikroskala sudah hadir.
