Duygularımız, beynimizde elektriksel dalgalar olarak iz bırakır. EEG (elektroensefalografi) cihazları bu dalgaları kaydedebilir; ancak bu ham veriyi anlamlı duygusal bilgiye dönüştürmek, geleneksel yapay zeka sistemleri için hem zaman hem de enerji açısından oldukça maliyetli bir süreçtir. Pekin Teknoloji Enstitüsü'ndeki araştırmacılar, bu denklemi kökten değiştirmeye aday yeni bir çip tasarımı ortaya koydu.

Geliştirilen sistem, nöromorfik hesaplama ilkesine dayanıyor. Yani klasik yapay sinir ağları gibi sürekli veri işlemek yerine, insan beynindeki nöronların çalışma biçimini taklit ederek yalnızca anlamlı bir değişim olduğunda devreye giren 'spiking neural network' mimarisini kullanıyor. Bu sayede hesaplama yükü dramatik biçimde azalıyor.

Araştırma ekibinin tasarladığı asenkron hızlandırıcı, EEG verisini gerçek zamanlı olarak işleyerek kişinin duygusal durumunu yalnızca 18 mikrosaniye gibi inanılmaz kısa bir sürede belirleyebiliyor. Karşılaştırma yapılacak olursa, bu süre bir göz kırpmanın yaklaşık 10.000 kat daha hızlısına karşılık geliyor.

Belki de en çarpıcı sonuç enerji tüketiminde ortaya çıkıyor: Sistem, benzer görevleri yerine getiren konvansiyonel yapay zeka donanımlarına göre yüzde 97,5 daha az güç harcıyor. Bu rakam, söz konusu teknolojiyi günlük hayatta kullanılabilir giyilebilir cihazlara entegre etme açısından kritik bir eşiği temsil ediyor.

Duygusal durum tespiti; depresyon ve kaygı bozukluklarının erken teşhisi, epilepsi gibi nörolojik rahatsızlıkların izlenmesi ve insan-makine arayüzlerinin geliştirilmesi gibi geniş bir uygulama yelpazesine sahip. Ancak bu uygulamaların hayata geçirilmesinin önündeki en büyük engellerden biri, güçlü işlem kapasitesini küçük ve uzun ömürlü bataryalarla bir arada sunabilmek olmuştu.

Bu çalışma, nöromorfik hesaplamanın gerçek dünyadaki sağlık teknolojisi uygulamaları için ne denli umut verici bir yol sunduğunu bir kez daha gözler önüne seriyor. Araştırmacılar, sistemin ilerleyen dönemde giyilebilir nöroteknoloji platformlarına entegre edilebileceğini öngörüyor. Bununla birlikte klinik kullanıma geçiş için doğrulama çalışmaları ve daha geniş kapsamlı testler hâlâ gerekiyor.