昆虫启发的神经网络能否革新物联网AI？
研究人员正在研究特定昆虫神经系统的功能如何类似于确定性、概率性、易失性和非易失性内存的功能，并探索如何在高性能、节能、基于硅的纳米系统中重现这些功能以用于AI。
在AI/ML领域的一个角落，NVIDIA竭力说服想要尝试训练的人：更强的算力就是答案。而在另一个角落，CEA-Leti近期宣布，边缘AI项目协调员Elisa Vianello从欧洲研究理事会（ERC）获得300万欧元资助，开发受昆虫神经系统启发的新型边缘AI系统。
据Vianello称，将AI直接引入物联网设备面临的最大挑战之一是：当前芯片架构将高达90%的总能耗浪费在数据移动上，而非处理上。这使得物联网设备要么在AI能力上受限，要么必须物理连接稳定电源，大大降低了灵活性。对于植入式医疗诊断微芯片等应用更是如此，它们高度依赖用户对设备可靠性的信任。
另请参阅：研究人员借助蜜蜂超越语音识别方法
小规模设备的痛点在于：不存在一种既高密度、高分辨率、非易失又无限耐用的内存类型。Vianello表示，许多行业实验室和研究中心尝试开发纳米级的内存计算架构，但结果好坏参半。例如DRAM是易失性的，断电即丢失数据——这在许多物联网场景中极可能发生。非易失性内存如NVRAM虽耐久性大幅提升，仍不完全可靠。
Vianello及其团队将利用资助研究特定昆虫神经系统功能如何类似于确定性、概率性、易失性和非易失性内存功能，并探索如何在“高性能、节能、基于硅的纳米系统”中重现。Vianello说：“蟋蟀依靠迟钝、不精确、不可靠的神经元和突触做出准确决策以逃避捕食者。深入观察其生物学，我们在其感觉和神经系统中发现了多种类内存功能。结合这些功能，蟋蟀的内部计算系统实现了惊人的性能和能效。”
例如，蟋蟀身体上有多个传感器，腹部有众多局部处理单元，能持续学习和决策而无需涉及中央大脑。因其分布式计算系统，它决策更快——无需在处理前传输数据。
目标是混合突触，能在小型、物联网友好的规模上集成多种内存技术，帮助规避各系统缺陷，并消除至少部分数据传输而非处理所浪费的能量。Vianello团队希望利用视频摄像头、雷达或心电图设备捕获的少量噪声数据，实现当前物联网计算架构无法实现的学习类型。
由Vianello团队洞察驱动的新产品可能还需数年，但快速变化的物联网世界欢迎新范式。随着46%的组织加速5G采用、边缘计算多个可行标准、更多事件驱动架构部署在边缘，对更快、更高效、更微型物联网的需求已然存在。
物联网技术