众所周知，尽管人工智能（AI）技术越来越精进，可以完成的任务也越来越多，但其耗能之多也是令人叹为观止。本周的一项最新研究发现，AI每年最终消耗的能源与荷兰、瑞典等国家一样大，甚至更多。

现在，美国西北大学的工程师开发了一种新的纳米电子设备，可以用最节能的方式执行精确的机器学习分类任务。该设备使用的能量比现有技术少100倍，可以处理大量数据并实时执行AI任务，而无需将数据发送到云端进行分析。

据称，该设备的面积小，功耗极低，并且没有接收分析的滞后时间，非常适合直接集成到可穿戴电子产品（如智能手表和健身追踪器）中，用于实时数据处理和近乎即时的诊断。

为了测试这一概念，工程师们使用该设备对公开可用的心电图（ECG）数据集中的大量信息进行分类。该设备不仅能够有效、正确地识别不规则心跳，还能够从六种不同的类别中确定心律失常亚型，准确率接近95%。

最新研究成果已于近期发表在了《自然电子学》杂志上。

该研究论文资深作者、西北大学纳米技术专家Mark C. Hersam解释称，“今天，大多数传感器收集数据，然后将其发送到云端，在结果最终发送给用户之前，先在高能耗的服务器上进行分析。这种方法非常昂贵，且消耗大量能量，还增加了时间延迟。我们的设备非常节能，可以直接部署在可穿戴电子设备中进行实时检测和数据处理，从而更快地应对突发卫生事件。”

作为纳米技术专家，Hersam是西北大学麦考密克工程学院材料科学与工程系的教授。他还是材料科学与工程系的系主任，材料研究科学与工程中心的主任，以及国际纳米技术研究所的成员。Hersam与南加州大学教授Han Wang和西北大学研究助理教授Vinod Sangwan主导了这项研究。

技术挑战与突破

在机器学习工具分析新数据之前，这些工具必须首先准确可靠地将训练数据分类为各种类别。例如，如果一个工具按颜色对照片进行分类，那么它需要识别哪些照片是红色、黄色或蓝色，以便对它们进行准确分类。对人类来说，这是一件很容易的事，但对机器来说，这是一项复杂且耗能的工作。

对于目前基于硅的技术来说，要对像心电图这样的大型数据集进行分类，需要100多个晶体管——每个晶体管都需要自己的能量来运行。然而，西北大学的纳米电子设备只用两个设备就可以完成同样的机器学习分类。通过减少设备的数量，研究人员大大降低了功耗，并开发了一种更小的设备，可以集成到标准的可穿戴设备中。

这种新装置背后的秘密是它前所未有的可调性，这源于材料的混合。虽然传统技术使用硅，但研究人员用二维二硫化钼和一维碳纳米管构建了小型化晶体管。因此，不再需要许多硅晶体管（数据处理的每一步都需要一个）。 可重构晶体管是动态的，足以在不同的步骤之间切换。

Hersam说，“将两种不同的材料集成到一个设备中，使我们能够根据施加的电压对电流进行强调制，从而实现动态可重构性。在单个设备中具有高度的可调性，使我们能够在占地面积小、能耗低的情况下执行复杂的分类算法。”

研究人员设想，最终，这些纳米电子设备可以整合到日常可穿戴设备中，根据每个用户的健康状况进行个性化定制，以实现实时应用。它们将使人们能够在不消耗电力的情况下充分利用他们已经收集到的数据。

“人工智能工具正在消耗越来越多的电网，”Hersam说，“如果我们继续依赖传统的计算机硬件，这是一条不可持续的道路。”

编辑/范辉