Ważny postęp w dziedzinie edge computingu: naukowcy z MIT stworzyli samonapędzający się sztuczny synaps, który może zrewolucjonizować sposób, w jaki AI przetwarza dane wizualne w codziennych urządzeniach.
Przełom, ogłoszony 2 czerwca 2025 roku, rozwiązuje jeden z najbardziej uporczywych problemów wizyjnych systemów maszynowych: ogromne zasoby obliczeniowe i energetyczne, tradycyjnie wymagane do przetwarzania informacji wizualnych. Dzięki naśladowaniu architektury neuronowej ludzkiego mózgu, sztuczny synaps MIT potrafi wykonywać zaawansowane zadania rozpoznawania obrazu, zużywając jedynie ułamek energii potrzebnej przez konwencjonalne systemy.
"Tradycyjne systemy wizyjne napotykają poważny problem: przetwarzanie ogromnych ilości danych wizualnych wymaga znacznych zasobów energii, pamięci i mocy obliczeniowej," wyjaśnia zespół badawczy. To ograniczenie historycznie utrudniało wdrażanie funkcji rozpoznawania obrazu w urządzeniach brzegowych, takich jak smartfony, drony czy pojazdy autonomiczne.
W przeciwieństwie do konwencjonalnych optoelektronicznych sztucznych synaps wymagających zewnętrznego zasilania, synaps zaproponowany przez MIT sam wytwarza energię dzięki konwersji energii. Ta zdolność do samonapędzania czyni go szczególnie przydatnym w aplikacjach edge computingu, gdzie efektywność energetyczna jest kluczowa.
System potrafi z niezwykłą precyzją rozróżniać kolory w całym widzialnym spektrum oraz umożliwia realizację funkcji logicznych na podstawie długości fal światła. Innowacja ta otwiera drogę do niskoenergetycznych, wysokowydajnych systemów wizyjnych w urządzeniach brzegowych, takich jak smartfony, wearables czy pojazdy autonomiczne.
Opracowanie pojawia się w kluczowym momencie, gdy branża technologiczna przesuwa granice AI na obrzeża sieci, by w pełni wykorzystać potencjał big data. Edge computing wyłania się jako obiecująca koncepcja wspierająca wymagające obliczeniowo aplikacje AI na urządzeniach brzegowych. Edge Intelligence, czyli połączenie AI i edge computingu, umożliwia wdrażanie algorytmów uczenia maszynowego bezpośrednio na urządzeniu, gdzie generowane są dane, potencjalnie zapewniając sztuczną inteligencję każdej osobie i każdej organizacji, z dowolnego miejsca.
Ta innowacja MIT może znacząco poszerzyć możliwości AI w środowiskach o ograniczonych zasobach, umożliwiając nową generację inteligentnych urządzeń, które widzą i rozumieją otaczający je świat bez konieczności korzystania z chmury czy dużych zasobów baterii.