Energiezuinige AI detecteert hartafwijkingen

CWI-onderzoekers Bojian Yin en Sander Bohté hebben samen met hun collega Federico Corradi van Stichting Interuniversitair Micro-Elektronica Centrum (IMEC) in Eindhoven een wiskundige doorbraak bereikt in het rekenen met zogeheten gepulste neurale netwerken (spiking neural networks).

Dankzij deze doorbraak kunnen speciale chips die geschikt zijn voor deze kunstmatige intelligentie (AI) spraak, gebaren en elektrocardiogrammen (ECG’s) een factor twintig tot duizend energiezuiniger herkennen dan traditionele AI-technieken. Zulke chips staan op de rand van praktische, alledaagse toepassingen.

In het afgelopen decennium heeft AI steeds meer alledaagse toepassingen gekregen, onder andere voor het herkennen van beeld en gesproken woord. Dat gebeurt met diepe neurale netwerken, die een sterk vereenvoudigde nabootsing zijn van de manier waarop het menselijk brein informatie verwerkt. Voor mobiele toepassingen kost het uitvoeren van huidige AI-modellen echter vaak te veel energie. Het ontwikkelen van energiezuinige AI is daarom steeds belangrijker geworden.

Een van de manieren om AI-toepassingen energiezuiniger te maken, is om de neurale netwerken beter te laten lijken op die van het menselijk brein. Klassieke neurale netwerken gebruiken signalen die continu zijn en wiskundig makkelijk hanteerbaar. Gepulste neurale netwerken rekenen met pulsjes, wat veel meer lijkt op wat er in het brein gebeurt en minder energie kost, maar wat als nadeel heeft dat de signalen discontinu zijn en wiskundig moeilijker hanteerbaar. Voor dat probleem hebben Bohté en zijn twee mede-auteurs echter een wiskundige oplossing gevonden.

Om algoritmen zoals die van Bohté te gebruiken in alledaagse toepassingen, zijn speciale, neuromorfe computerchips nodig. De architectuur van deze chips lijkt meer op de biologische architectuur van het menselijk brein dan die van traditionele computerchips.