V dnešní době dramaticky narůstá poptávka po autonomních dronech a robotech. Velké jazykové modely jsou sice stále lepší a samy o sobě takové úkoly zvládají, je tu ale problém. Hardware zůstává pozadu.
Inženýři mají v podstatě dvě možnosti, z nichž ani jedna není ideální. Mohou nacpat celý AI model do dronu nebo robota. To ale chce spoustu paměti a výpočetní síly, která taky spotřebuje hodně energie z baterií. Další možností je umístit inteligenci v cloudu. V takovém případě ale zase zařízení přichází o spoustu energie, musí neustále intenzivně komunikovat s cloudem a je zranitelné útoky z okolí.
Tingjun Chen z Duke University a jeho kolegové pracují na třetí možnosti, které říkají WIreless Smart Edge networks (WISE), a která obchází nevýhody obou zmíněných přístupů. Zní to trochu jako magie, ale spočívá to v tom, že se váhy (weight), klíčové parametry velkých AI modelů, které určují sílu spojení mezi neurony neuronové sítě, posílají vzduchem v podobě rádiových vln, mezi dronem či robotem a blízkou komunikační stanicí, a to takovým způsobem, že dramaticky šetří energie i velikost potřebných komponent.
Klíčovým prvkem technologie WISE je koncept zvaný in-physics analog computing, česky by mohlo znít výpočty ve fyzice systému. Jde o to, že se otrocky neposílají nuly a jedničky tam a zpátky mezi koncovým zařízením a vzdáleným procesorem, ale že přirozené chování rádiových vln čili jejich „fyzika,“ cestou zařídí část výpočtů.
Funguje to tak, že kompletní AI model sedí v komunikační stanici, která vysílá rádiové vlny se zakódovanými váhami modelu. Když dron nebo robot zachytí vysílání, jeho hardware zpracuje vysílaný signál se svými daty získanými z okolí, přičemž se uplatní výpočty ve fyzice systému, tj. v rádiových vlnách nebo analogovém prostředí. Může to zařídit třeba pasivní směšovač (passive frequency mixer). Tím dron či robot zvládne klíčový krok většinu modelů hlubokého učení, aniž by potřeboval digitální procesor.
Pilotní experimenty ukazují, že WISE zvládne téměř 96procentní přesnost klasifikace snímků, přičemž spotřebuje o řád méně energie než dnešní přední digitální procesy. Ohromnou výhodou je, že WISE lze jen s drobnými úpravami provozovat na existující infrastruktuře, jako jsou 5G nebo 6G sítě a WiFi routery. Vývoj WISE je teprve v počátcích a zatím funguje jen na krátké vzdálenosti, ale jestli se povede ji dotáhnout, čekejte velké věci.
Video: T. Chen: COSMOS Testbed – A Platform for Advanced Wireless, Optical, and Edge Cloud Experimentation
Literatura
3D tištěné objekty bez elektroniky se připojí k WiFi
Autor: Stanislav Mihulka (07.12.2017)
Podivuhodný analogový počítač předpovídá budoucí jevy díky vlnám na vodě
Autor: Stanislav Mihulka (28.05.2023)
První mikrovlnná neurální síť je výtečná ve zpracování bezdrátových dat
Autor: Stanislav Mihulka (24.08.2025)
Diskuze:
O co jde
Pavel Kaňkovský,2026-01-15 23:50:22
Problém, který chtějí vyřešit, je vlastně násobení matice vektorem: y = W x, kde x jsou nějaká pozorovaná data a W je matice reprezentující nějaký krok toho uměle inteligentníh modelu.
Nechtěji posílat x pryč, aby jim to někdo nevykoukal. Nechtějí W držet přímo v zařízení, protože je to obrovská matice a vyžadovalo by to hodně paměti a hodně energie na to, aby se to v ní drželo a četlo se to z ní. A nechtějí si W nechat posílat jako data, protože by také bylo náročné.
Vymysleli místo toho, že budou W vysílat analogově a pak toho budou hned analogově počítat ten součin.
Výhody jsou, že ten analogový (a nepřesný) přenos může být o něco méně náročný než digitální (i když jen o nevelký konstantní faktor), že to přirozeně dovoluje, aby přijímačů může být víc najednou, aniž by se to každému muselo posílat zvlášť (což asi nemusí všechny digitální sítě podporovat) a že ten součin matice a vektoru mohou rozložit na sekvenci skalárních součinů dvou vektorů a to zase na sekvenci operací "vynásob a přičti" (multiply-and-accumulate), což lze prý efektivně implementovat RF směšovačem.
Možné nevýhody jsou, že není jasné, jestli jsou schopni přijímač(e) nějak chránit proti poruchám během přenosu, ať už náhodným nebo úmyslným. A pokud se zdráhají vstupní data odesílat ke zpracování jinam, tak by je asi měla trochu trápit i možnost, že někdo zkusí svým vysíláním změnit matici a změnit výsledek zpracování. Také není moc jasné, jak se vypořádají s tím, když je ta matice řídká, což mám pocit, že je u těch umělých inteligencí celkem častá situace.
Ale je-li to analogové počítání dostatečně efektivnější (oni udávají více než 10-násobnou redukci spotřeby energie a to používají SDR místo ASICu), aniž by příliš utrpěla přesnost, tak by se to třeba mohlo uplatnit lokálně.
princip
J P77,2026-01-12 23:58:13
Princip funkce jsem moc nepochopil a zdá se mě málo popsaný. Zajímalo by mě jestli to z článku někdo pochopil.
Re: princip
Pavel Psenak,2026-01-14 12:02:39
Přesně je to trochu záhada, co tím autor přesně myslel, princip či principy nejsou v podstatě ani naznačeny. Ale mohlo by se jednat o výpočty v masivních číselných soustavách, případně vylepšené o dynamické přechody mezi číselnými soustavy optimalizované například podle rychlosti výpočtu, energie potřebné k výpočtu, datový objem potřebný k výpočtu a podobně. Výpočty v masivních číselných soustavách by v principu mohly být dobrým ekvivalentem ke kvantovému počítačům, přičemž by byly univerzálněji použitelné. Počítače jak je všeobecně známo nativně počítají ve dvojkové soustavě a v některých případech zprostřekovaně v osmičkové, šesnáctkové nebo 256-kové soustavě.
Diskuze je otevřená pouze 7dní od zvěřejnění příspěvku nebo na povolení redakce
