Mentre un telefono cellulare con software di riconoscimento vocale potrebbe richiedere circa 1 watt di potenza, il nuovo chip ne richiede tra 0,2 e 10 milliwatt, a seconda del numero di parole che deve riconoscere.
In un'applicazione reale, ciò si traduce probabilmente in un risparmio energetico del 90-99%, il che potrebbe rendere il controllo vocale pratico per dispositivi elettronici relativamente semplici. Questo include dispositivi con risorse energetiche limitate che devono ricavare energia dall'ambiente circostante o funzionare per mesi tra una ricarica e l'altra. Tali dispositivi costituiscono la spina dorsale tecnologica di quello che viene definito "Internet delle cose", o IoT.
"L'input vocale diventerà un'interfaccia naturale per molte applicazioni indossabili e dispositivi intelligenti", afferma Anantha Chandrakasan, professore di ingegneria elettrica e informatica presso il MIT, il cui gruppo ha sviluppato il nuovo chip. "La miniaturizzazione di questi dispositivi richiederà un'interfaccia diversa dal tocco o dalla tastiera. Sarà fondamentale integrare la funzionalità vocale localmente per ridurre il consumo energetico del sistema rispetto all'esecuzione di questa operazione nel cloud".
"Non credo che abbiamo sviluppato questa tecnologia per una particolare applicazione", aggiunge Michael Price, che ha guidato la progettazione del chip come studente laureato in ingegneria elettrica e informatica al MIT e ora lavora per il produttore di chip Analog Devices. "Abbiamo cercato di semplificare l'infrastruttura per offrire ai progettisti di sistemi un compromesso migliore rispetto a quello che avrebbero avuto con le tecnologie precedenti, sia in termini di accelerazione software che hardware".
Il dormiglione si sveglia.
Oggi, i sistemi di riconoscimento vocale più efficaci, come molti altri sistemi di intelligenza artificiale all'avanguardia, si basano su reti neurali: reti virtuali di semplici processori di informazioni modellate sul cervello umano. Gran parte dei circuiti nei nuovi chip è dedicata all'implementazione di reti di riconoscimento vocale nel modo più efficiente possibile.
Ma anche il sistema di riconoscimento vocale più efficiente dal punto di vista energetico potrebbe scaricare rapidamente la batteria di un dispositivo se utilizzato continuamente. Pertanto, il chip include anche un circuito più semplice di "rilevamento dell'attività vocale" che monitora il rumore ambientale per determinare se potrebbe trattarsi di parlato. In tal caso, il chip attiva il circuito di riconoscimento vocale più grande e complesso.
In effetti, a scopo sperimentale, il chip dei ricercatori aveva tre diversi circuiti di rilevamento dell'attività vocale, con diversi gradi di complessità e, di conseguenza, diversi requisiti di potenza. Quale circuito sia più efficiente dipende dal contesto, ma nei test che simulavano un'ampia gamma di condizioni, il più complesso dei tre circuiti ha offerto il maggiore risparmio energetico per l'intero sistema. Sebbene consumasse quasi tre volte più energia del circuito più semplice, generava molti meno falsi positivi; I circuiti più semplici spesso annullano il risparmio energetico attivando il resto del chip.
Una tipica rete neurale è composta da migliaia di "nodi" di elaborazione in grado di eseguire solo calcoli semplici, ma densamente interconnessi. Nel tipo di rete comunemente utilizzato per il riconoscimento vocale, i nodi sono disposti a strati. I dati vocali vengono immessi nello strato inferiore della rete, i cui nodi li elaborano e li trasmettono ai nodi dello strato successivo, i cui nodi li elaborano e li trasmettono allo strato successivo, e così via. L'output dello strato superiore indica la probabilità che i dati vocali rappresentino un particolare suono.
Una rete per il riconoscimento vocale è troppo grande per essere contenuta nella memoria interna di un singolo chip, il che rappresenta un problema perché l'utilizzo di dati esterni al chip è molto più dispendioso in termini di risorse rispetto al recupero dei dati dalla memoria locale. Pertanto, il progetto dei ricercatori del MIT si concentra sulla minimizzazione della quantità di dati che il chip deve recuperare dalla memoria esterna.
Gestione della larghezza di banda:
un nodo al centro di una rete neurale potrebbe ricevere dati da una dozzina di altri nodi e trasmettere dati a un'altra dozzina. Ciascuna di queste ventiquattro connessioni ha un "peso" associato, un numero che indica quanto siano importanti i dati trasmessi per i calcoli del nodo ricevente. Il primo passo per minimizzare la larghezza di banda della memoria del nuovo chip è comprimere i pesi associati a ciascun nodo. I dati vengono decompressi solo dopo essere stati caricati sul chip.
Il chip sfrutta anche il fatto che, nel riconoscimento vocale, un flusso continuo di dati deve attraversare la rete. Il segnale audio in ingresso è suddiviso in intervalli di 10 millisecondi, ognuno dei quali deve essere valutato separatamente. Il chip dei ricercatori del MIT contiene un solo nodo di rete neurale alla volta, ma lo elabora con i dati provenienti da 32 intervalli consecutivi di 10 millisecondi.
Se un nodo ha dodici uscite, i 32 passaggi producono 384 valori di output, che il chip memorizza localmente. Ciascuno di questi deve essere combinato con altri 11 valori quando viene inviato al livello successivo di nodi, e così via. Pertanto, il chip necessita di un circuito di memoria integrato di notevoli dimensioni per i suoi calcoli intermedi. Ma preleva un solo nodo compresso alla volta dalla memoria esterna al chip, mantenendo bassi i requisiti di alimentazione.
La ricerca è stata finanziata tramite il Progetto Qmulus, una joint venture tra il MIT e Quanta Computer, e il chip è stato prototipato attraverso il programma universitario satellite della Taiwan Semiconductor Manufacturing Company.
###
Autore: Larry Hardesty, MIT News Office
