Stanford araştırmacıları, kalp sağlığını izlemek için kullanılan yapay zeka sistemlerinde enerji verimliliği konusunda önemli bir atılım gerçekleştirdi. SparrowSNN adı verilen yeni sistem, elektrokardiyogram (EKG) verilerini analiz ederken geleneksel derin öğrenme yöntemlerinden bin kat daha az enerji tüketiyor.
Bu teknolojinin temelinde, insan beynindeki nöronların çalışma prensiplerini taklit eden 'spiking neural networks' (SNN) yaklaşımı bulunuyor. Geleneksel yapay sinir ağları sürekli veri işlerken, SNN'ler sadece gerekli anlarda 'ateşleme' yaparak enerji tasarrufu sağlıyor. Ancak mevcut nöromorfik mimariler büyük modeller için optimize edilmiş durumda ve kenar cihazları için uygun değil.
SparrowSNN bu sorunu üç temel yenilikle çözüyor: İlk olarak, donanım dostu bir aktivasyon fonksiyonu olan SSF (Sum-Spike-and-Fire) geliştiriliyor. İkinci olarak, mikrowat seviyesinde güç tüketen hibrit ANN-SNN modeli her uygulamaya göre özelleştirilebiliyor. Üçüncü olarak da kompakt ve düşük güçlü yeniden yapılandırılabilir ASIC mimarisi kullanılıyor.
Bu teknoloji, akıllı saatler, fitness takip cihazları ve diğer giyilebilir sağlık teknolojilerinde sürekli kalp ritmi izlemeyi mümkün kılabilir. Özellikle yaşlı nüfus ve kalp hastalığı riski taşıyan kişiler için erken uyarı sistemleri geliştirilmesinde kritik rol oynayabilir.