研究人员正在研究特定的昆虫神经系统如何与确定性、概率性、易失性和非易失性记忆类似地发挥作用，并探索如何实现这些功能。在AI/ML世界的某个地方，NVIDIA正在尽最大努力让任何想参加培训的人相信，更多的原始能力就是答案。另一方面，CEA-Leti最近宣布，EdgeAI项目协调员ElisaVianello已获得欧洲研究委员会(ERC)的300万欧元资助，用于开发一种受昆虫神经系统启发的新型边缘AI系统。根据Vianello的说法，将AI直接引入IoT设备的最大挑战之一是当前的芯片架构浪费了高达90%的总能耗来移动数据而不是处理数据。由于这种浪费，物联网设备的人工智能功能要么受到阻碍，要么必须物理连接到稳定的电源，这意味着它们不像许多组织所希望的那样灵活。对于拟议的应用程序，植入式医疗诊断微芯片，情况是双重的，这将在很大程度上依赖于用户对设备可靠性的信任。小型设备有什么问题？没有内存是高密度、高分辨率、非易失性和无限持久的。Vianello说，许多工业实验室和研究中心都试图开发使用内存处理的纳米级内存架构，但结果喜忧参半。例如，DRAM是易失性的，这意味着它的内容在断电时会被擦除——这在许多物联网环境中都可能发生。多年来，NVRAM等非易失性存储器类型的耐用性显着提高；他们仍然不完全可靠。Vianello和她的团队将利用拨款研究特定昆虫神经系统的功能如何类似于确定性、概率性、易失性和非易失性存储器所执行的功能，然后探索如何在“高性能、节能的硅基纳米系统。”Vianello说：“蟋蟀根据缓慢、不精确和不可靠的神经元和突触做出准确的决定，以逃避捕食者。仔细观察它们的生物学，我们发现在它们的感觉和神经系统中有多种类似记忆的功能在起作用。通过结合这些不同的功能，蟋蟀的内部计算系统实现了惊人的性能和能源效率。”例如，蟋蟀身上有多个传感器，有很多局部处理单元，能够在不涉及中枢大脑的情况下进行持续学习和决策。因为它有一个分布式计算系统，它可以更快地做出决策——不需要在处理数据之前将数据从一个地方传输到另一个地方。目标是一种混合突触，可以在小型、物联网友好的规模上集成多种内存技术，这将有助于解决每个系统的缺点，并至少消除在传输数据而不是使用人工智能方面的一些问题。处理数据时浪费能量/机器学习算法。Vianello的团队希望获取少量嘈杂数据，例如由相机、雷达或ECG设备捕获的数据，并实现使用当前物联网计算架构无法实现的学习类型。由Vianello团队的任何新见解驱动的新产品可能需要很多年，并且在快速变化的物联网世界中欢迎新范例。随着46%的组织加速采用5G、多个可行的边缘计算标准以及在边缘部署的更多事件驱动架构，出现了对更快、更高效和更小的物联网的需求。
