Una delle sfide più interessanti nell’applicazione di soluzioni di intelligenza artificiale è quella di rendere l’AI pervasiva, economica, rapida. Creare algoritmi e reti neurali “leggere” dà la possibilità di renderli disponibili all’interno di prodotti dal basso impatto energetico, con funzioni “smart” che non abbiano bisogno di una grande potenza di calcolo.
Questo non solo migliorerebbe la pervasività dell’AI, ma anche la sua rapidità. Infatti se i calcoli necessari all’esecuzione di un compito venissero svolti direttamente dove servono, senza essere mandati a un “cervello” centrale perdendo tempo prezioso, si otterrebbero risultati più veloci e immediatamente disponibili. Pensiamo ad esempio alla telecamera di un’auto a guida autonoma: l’unica cosa che fa è registrare le immagini, che poi dovranno essere convertite in numeri e “spedite” all’unità di elaborazione, che grazie a una rete neurale elabora quei numeri e restituisce decisioni come accelerare, frenare, sterzare a destra o a sinistra.
Se fosse direttamente la telecamera a elaborare quello che vede tutto sarebbe più rapido (non serve convertire i dati e mandarli a un processore centrale, perdendo tempo di latenza), più economico (l’energia impiegata è inferiore) e soprattutto portabile (i device possono essere più piccoli).
È quello che avranno pensato alcuni ricercatori dell’Istituto di Fotonica presso l’Università di Vienna, che hanno pubblicato una ricerca su Nature (qui c’è un PDF accessibile) dove descrivono un nuovo tipo di chip in grado di eseguire compiti di computer vision da solo e in maniera estremamente rapida.
Questo “occhio intelligente” non ha bisogno di inviare le immagini a un processore centrale, poiché è già dotato di una sua rete neurale in grado di prendere decisioni sulle immagini visualizzate (ad es. compiti di classificazione). I ricercatori hanno costruito il chip su uno strato di diselenide di tungsteno spesso solo pochi atomi con diodi fotosensibili, dopodiché hanno organizzato i diodi per formare una rete neurale. Poiché la fotosensibilità dei diodi può essere regolata esternamente, la rete neurale è stata addestrata per classificare le informazioni visive intervenendo sulla sensibilità dei diodi.
Le applicazioni per un chip del genere potrebbero essere numerose. Pensiamo a un drone in grado di capire in pochi nanosecondi se sia in rotta di collisione con un altro oggetto, oppure un’auto a guida autonoma che regisce molto più rapidamente agli stimoli visivi, o a un piccolo robot che ha bisogno di vedere e comprendere l’area circostante senza però consumare troppa elettricità.
Per ora il chip – creato unicamente per testare il metodo – riesce a vedere solo immagini con una risoluzione massima di 3×3, ma già così è in grado di svolgere diversi compiti di machine learning supervisionato e non supervisionato, e nulla vieta in futuro di ingrandire la rete neurale aumentando così la definizione visiva.
Per approfondire: A new AI chip can perform image recognition tasks in nanoseconds
