Az infokommunikációs technológiák, különösen a mesterségesintelligencia-megoldások vagy hardverszinten, például az okostelefonok (és természetesen számos kombinációjuk) gyors fejlődésével egyre több biztonsági vagy éppen tárolási probléma merül fel.

Készülékeinken szaporodnak a valamilyen szinten MI-vel működő funkciók, „okos” applikációk. Kedvenc segítőink, Siri vagy a Google Assistant viszont távolról sem tökéletesek, képességeik korlátozottak, és még az akkumulátort is leszívják.

Az intelligens appok, szolgáltatások, mint az arcfelismerés, az időjárás-előrejelzés, a nyelvi fordítók vagy éppen az asszisztensek gépi tanuláson, annak is a legmodernebb fajtáján, a mesterségesintelligencia-robbanás egyelőre alighanem legfontosabb melléktermékén, a buzzworddé és sokak szemében minden MI alfájává és omegájává vált, az élet legváltozatosabb területein bevetett mélytanuláson (deep learning) alapulnak. Ezek az algoritmusok folyamatosan mintázatokat keresnek, azok alapján prognosztizálnak.

Csakhogy hiába okosak és segítenek, teszik könnyebbé az életünket, az MI-hez kapcsolódó folyamatok általában túl sok tárolókapacitást igényelnek. Ugyan tudjuk, hogy a számítási eszközök tároló- és feldolgozó-lehetőségei a végtelenbe tartanak, egyelőre viszont még nagyon nem tartunk ott. Bevett gyakorlat, hogy a készülékeinken lokálisan futó tároló-megoldások korlátait ellensúlyozandó, az adatok internetes külső szerverekre, a számítási felhőbe (cloud computing) kerülnek, ahol nagyobbak a kapacitások, viszont a magánszférát (privacy) érintő biztonsági kockázatok is.

Sokan kísérleteznek a probléma megoldásával, legutóbb a kanadai Saskatchewan Egyetem kutatói álltak elő izgalmas és – elsősorban – működőképes modellel, amellyel az okos appok és szolgáltatások használata felgyorsul, energiahatékonyabbá és biztonságosabbá válik.

Lényege, hogy darabokra szedik az MI-s számítási folyamatokat, csökken az energiafelhasználás, és így az érintett appok már a készülékeken, lokálisan is futnak, a feldolgozáshoz nincs szükség külső szerverre. Számszerűsítve: a szokásos 32 bites helyett a törvényszerűen jóval kevesebb memóriát igénylő 4 bites szekvenciák is eredményesen feldolgozhatók. Azért lehet így, mert az adatok kezeléséhez nem kellenek mindig hosszabb bitszekvenciák, és ha a művelet 4 bittel is tökéletesen működik, garantált az alkalmazás pontossága.

A modell az alkalmazásfejlesztést is megváltoztathatja, mert ha az MI jól működik „helyben”, mérnökök máshogyan terveznek okostelefonos, tabletes (és számítógépes) appokat.

A kutatók több szimulációt lefuttatva, tesztelték MI-modelljüket, és hasonlították össze az okostelefonokon jelenleg futó megoldásokkal. Kiderült, hogy egyszerre több applikációval is hatékonyabban működik, mint a kereskedelmi forgalomban beszerezhető hasonló termékek. Egyeseknél 20 százalékkal, másoknál kétszer gyorsabb, míg az elemek szintén kétszer annyi ideig bírják. Következő lépés az MI-modell nagyobb számítógépekbe, telefonrendszerekbe integrálása, és persze tesztelése, hogy megváltozott feltételek mellett, például nagyobb processzorokkal hogyan működik. A kutatók nem sietik el, most úgy látják, amennyiben minden tökéletes, akkor három-négy éven belül kerül sor a teljes integrációra.

Kövesd az oldalunkat a Facebook-on és a Twitteren is!