Tekoäly ei enää tarvitse pilveä. Ambient Scientificin uusi GPX-10 -prosessori tuo jatkuvasti päällä olevan AI:n suoraan ranteeseen. Tästä huolimatta laitteet voivat kestää yhdellä latauksella jopa kahden viikon ajan.
Ambient Scientific esitteli Nürnbergin Embedded Worldissa yhteistyössä Dimension NXG:n kanssa MAI-nimisen turva- ja terveysrannekkeen, mutta varsinainen uutinen ei ole laite. Se on tapa, jolla tekoälyä ajetaan.
Perinteisesti älylaitteet keräävät dataa ja lähettävät sen pilveen analysoitavaksi. GPX-10 kääntää mallin ympäri. Se pystyy ajamaan useita AI-malleja jatkuvasti suoraan laitteessa ilman verkkoyhteyttä. Tämä mahdollistaa reaaliaikaisen analyysin, paremman yksityisyyden ja käytön myös ympäristöissä, joissa yhteydet ovat heikot tai puuttuvat kokonaan.
Ratkaisun ydin on niin sanottu DigAn-arkkitehtuuri, joka yhdistää digitaalisen ja analogisen laskennan. Sen sijaan että dataa siirrettäisiin jatkuvasti muistin ja prosessorin välillä, matriisilaskenta tehdään suoraan muistissa. Tämä poistaa Von Neumann -arkkitehtuurin tunnetun pullonkaulan ja parantaa energiatehokkuutta merkittävästi.
Ambient Scientificin mukaan GPX-10 yltää jopa 512 miljardin operaation sekuntinopeuteen (GOPS) murto-osalla perinteisten digitaalisten ratkaisujen tehonkulutuksesta. Käytännössä tämä tarkoittaa, että ranneke pystyy seuraamaan jatkuvasti esimerkiksi sykettä, happisaturaatiota ja stressisignaaleja sekä tunnistamaan poikkeamia ilman, että akkua tarvitsee ladata päivittäin.
Samalla syntyy uusi oletus: tekoäly toimii paikallisesti ja lähettää pilveen vain sen, minkä käyttäjä sallii. Tämä ei ole pelkkä ominaisuus vaan arkkitehtuurivalinta, joka korostuu erityisesti terveystiedon käsittelyssä.
Kahden viikon akunkesto ja offline-toiminta eivät ole pelkästään käyttömukavuutta parantavia tekijöitä. Ne mahdollistavat laitteen käytön markkinoilla, joissa sähkön tai verkkoyhteyksien saatavuus on rajallista. Ensimmäiset tuhannet laitteet tulevat kenttätesteihin Intiassa maaliskuun aikana.
Laajemmin tarkasteltuna kyse on edge-AI:n seuraavasta vaiheesta. Kun tekoäly siirtyy pysyvästi laitteeseen, kilpailu ei enää ratkea pelkällä laskentateholla, vaan sillä, kuinka tehokkaasti mallit voidaan ajaa ilman jatkuvaa datansiirtoa.
MAI-ranneke on vasta ensimmäinen esimerkki. Sama arkkitehtuuri skaalautuu suoraan IoT-laitteisiin, teollisiin antureihin ja muihin järjestelmiin, joissa jatkuva, paikallinen tekoäly voi korvata pilveen nojaavan analytiikan.
