This post is also available in:
English (אנגלית)
ככל שרשתות של התקנים מקושרים ממשיכות להתרחב, מתגלה בעיה הולכת ומחריפה ברמת החומרה. חיישנים המשולבים במערכות יומיומיות — ממצלמות ולוחות מגע ועד מערכות ניטור תעשייתיות — מייצרים כמויות עצומות של נתונים שיש לעבד, לאחסן ולהעביר. הזרם הרציף הזה מעמיס על רוחב הפס, מגדיל את צריכת האנרגיה ויוצר השהיות, במיוחד כאשר מוסיפים יכולות בינה מלאכותית להתקני קצה שמעולם לא תוכננו להתמודד עם עומסי עיבוד כאלה.
קו מחקר חדש מצביע על פתרון מפתיע: חישוב אנלוגי. במקום להסתמך אך ורק על מעבדים דיגיטליים המטפלים בכל נקודת נתונים באופן זהה, חוקרים חוזרים לבחון רכיבים אלקטרוניים בשם ממְריסטורים (memristors), שהם רכיבים המשלבים זיכרון ועיבוד באלמנט יחיד. באמצעות עיבוד מידע רק כאשר מתרחשים שינויים משמעותיים, הגישה הזו מצמצמת חישוב מיותר כבר בשלב החישה.
על פי דיווח של TechXplore, בהדגמה שנערכה לאחרונה הוצגה מערכת חישה מבוססת ממְריסטורים, המעבדת נתוני מגע באופן סלקטיבי ומונחה־אירועים. במקום לסרוק כל פיקסל ברציפות, החיישן מגיב רק לאזורים שבהם מזוהה פעילות. פעולה זו מדמה את אופן הפעולה של מערכות ביולוגיות, המסננות רעשי רקע וממקדות משאבים באותות רלוונטיים. התוצאה היא זמני תגובה מהירים יותר וצריכת אנרגיה נמוכה משמעותית בהשוואה לשרשראות עיבוד דיגיטליות קונבנציונליות.
בבדיקות, אב־הטיפוס הצליח לזהות דפוסים בדיוק שנע בטווח שבין 80 ל־90 אחוזים, עם יעילות גבוהה יותר מארכיטקטורות סטנדרטיות. אף שהדוגמה הראשונית התמקדה בחישת מגע, אותו עיקרון ניתן ליישום גם בקלטים עתירי נתונים אחרים. חיישנים חזותיים, למשל, יכולים לצמצם עיבוד בתקופות של פעילות נמוכה באמצעות תגובה לשינוי או לתנועה בלבד, במקום הזרמת וידאו מלאה מסביב לשעון.
המחקר מתרחב גם לעיצוב חומרת AI. הוכחת היתכנות נוספת עושה שימוש בממְריסטורים לבניית רשת עצבית תאית, בהשראת הרשתית האנושית. במקום חיבורים גלובליים האופייניים למערכות למידה עמוקה מודרניות, כל תא עיבוד מתקשר רק עם שכניו המיידיים. מבנה מקומי זה מפחית את מורכבות החיווט ומצמצם את תנועת הנתונים — אחד הגורמים המרכזיים לצריכת אנרגיה ולהשהיה במערכות בינה מלאכותית.
מנקודת מבט של ביטחון והגנת המולדת, להתפתחויות הללו יש רלוונטיות מיוחדת. חיישני תצפית, מערכות ניטור גבולות ורשתות IoT מבוזרות פועלות לעיתים קרובות בתנאים של מגבלות אנרגיה ונדרשות להגיב במהירות לאירועים נדירים אך קריטיים. חומרה המעבדת נתונים באופן מקומי וסלקטיבי יכולה לאפשר גילוי איומים מהיר יותר, תוך צמצום התלות במחשוב מרכזי ובקישורי נתונים פגיעים.
באמצעות העברת האינטליגנציה קרוב יותר לחיישן וחשיבה מחדש על עיבוד נתונים ברמת החומרה, מערכות אנלוגיות מבוססות ממְריסטורים מציעות נתיב לרשתות תגובתיות וחסכוניות יותר באנרגיה — יכולת שהופכת חשובה יותר ויותר ככל שמערכות מקושרות עוברות מנוחות יומיומית לתשתיות קריטיות.
