في عالم البحث المتزايد حول الذكاء الاصطناعي، تظهر تقنيات جديدة تعامل الجوانب البشرية والاجهزة بشكل متآلف. أحدث هذه التقنيات هي 'التعلم النشط ذو الوعي الطاقي' (Energy-Aware Learning) التي تم تقديمها مؤخرًا في دراسة تعليمية مثيرة.

تتوجه أبحاث الحوسبة النيورومورفية (Neuromorphic Computing) إلى تقليل تكلفة استدلال التحكم في الشبكات العصبية، ولكن في الأنظمة المتكاملة، يمكن أن تتفوق تكاليف أدوات التحفيز (Actuators) على تكلفة التحكم الفعّال. لذا، يصبح من الضروري تطوير أساليب تعلم تدرك مقدار الطاقة المستهلكة بواسطة هذه الأدوات.

تضمن الدراسة تطوير شبكة Q عميقة (Deep Spiking Q-Network) قادرة على تقليل النشاطات المفرطة المرتبطة بمرض باركنسون بنسبة 45.2%، بينما تقلل من شحنة التحفيز بنسبة تصل إلى 80.0% مقارنةً بأساليب التحفيز المستمرة.

باستخدام تقنية 'تقطير المعرفة' (Knowledge Distillation) مع وجود قيود أدائية، يتم ضغط النموذج ليعمل على معالج نيورومورفي (Neuromorphic Processor) مثل SynSense XyloAudio، حيث يستهلك 0.52 مللي واط من الطاقة لكل عملية استدلال، وهذا يمثل كفاءة طاقة أعلى بـ 28.1 مرة مقارنة بالشبكات العصبية الاصطناعية المستخدمة على الأجهزة التقليدية.

النهج الجديد يرتكز على تحسين كل من الطاقة المستخدمة في التحفيز وكفاءة استدلال الشبكة، مما يجسد الحلول الضرورية لمواجهة الطلبات الكبيرة للطاقة في الأجهزة القابلة للزرع.

هل تعتقد أن هذه التقنية ستغير طريقة علاج مرض باركنسون وتؤثر إيجابًا على حياة المرضى؟ شاركونا آراءكم في التعليقات!