Älypuhelimet tunnistavat jo puhetta ja digitaaliset apurit osaavat hakea meille tietoja äänikomennoilla. Ohjelmistopohjaiset Sirit ja hänen serkkunsa kuitenkin kuluttavat melkoisesti älypuhelimen akkua. Onneksi MIT:n tutkijat ovat kehittäneet tähän hienon ratkaisun.
Massachusetts Institute of Technologyn ovat kehittäneet puheentunnistuspiirin, joka kuluttaa tehoa 0,2-10 milliwattia riippuen siitä, kuinka monta sanaa sen pitää tunnistaa. Tämä on 90-99 prosenttia vähemmän kuin ohjelmistopohjaisten ratkaisujen tehonkulutus.
Tällaisella tehonkulutuksella puheentunnistus olisi käytännöllistä integroida myös älypuhelinta paljon pienempiin laitteisiin. Esimerkiksi IoT-solmuja, jotka keräävät energiansa ympäristöstään voisi ohjata puhekomennoin, tutkijat visioivat.
Kuten kaikki edistyneimmät keinoälyjärjestelmät, MIT:n puheentunnistuspiiri perustuu suurelta osin neuraaliverkkojen toteutukseen mahdollisimman tehokkaasti. Sen lisäksi piirillä on puheaktiivisuuden tunnistava osa eli detektori. Se kuuntelee ympäröivää äänimaailmaa ja päättelee, jos kyse on puheesta joka pitäisi tunnistaa. Detektori aktivoi varsinaisen puheentunnistuksen.
Tutkijoiden testisirulla oli itse asiassa kolme erillistä detektoria, joilla testattiin niiden tehonkulutusta. Kävi ilmi, että kaikkein kompleksisin detektori kulutti järjestelmätasolla vähiten virtaa, vaikka sen nimellinen tehonkulutus oli kolme kertaa vähävirtaisinta pienempi. Tämä johtui siitä, että tarkin detektori teki vähiten vääriä hälytyksiä, eikä herättänyt varsinaista puheentunnistusta turhaan.
Tutkijat myös minimoivat sen datan määrän, mikä pitää hakea piirin ulkoiselta muistilta. Itse analysoitava puhedata pilkotaan piirillä 10 millisekunnin pätkiin, joista jokainen arvioidaan itsenäisesti. Piirin neuraaliverkon yhden solmun läpi menee 32 peräkkäistä 10 millisekunnin jaksoa. Solmussa on tusina ulostuloa, joten 32 jaksoa tuottaa 384 lähtöarvoa, jotka piiri tallentaa paikallisesti. Tämän periaatteen ansiosta piirillä pitää olla suhteellisen iso muisti välilaskentaa varten, mutta ulkoiselta muistilta haetaan selvästi vähemmän dataa, mikä pienentää merkittävästi tehonkulutusta.