Det finns ett allvarligt och uppenbart problem som för närvarande förhindrar användning av neurala nätverk i mobila enheter: strömförbrukning. Många av deras artificiella intelligenssystem kräver kraftfulla processorer med flera kärnor. Deras användning är extremt opraktisk när det gäller en enhet som ska placeras på en mänsklig hand.
Massachusetts Institute of Technology har dock hittat en lösning. Det visade nyligen Eyeriss, ett nytt chip som möjliggör installation av neurala nätverk i extremt lågeffekt enheter. Även om denna processor har 168 kärnor, använder den tio gånger mindre el än GPU: erna i moderna telefoner. Således kan du säkert använda det utan rädsla för att processorn omedelbart "kommer att äta upp" batteriet.
Eyeriss hemlighet är att chipet inte använder informationsutbyte när det är möjligt. Var och en av kärnorna (som i huvudsak fungerar som neuroner) har sitt eget minne och komprimerar information varje gång den skickas. Detta håller mängden arbete till ett minimum. Grannkärnor kan "kommunicera" direkt med varandra, så de behöver inte komma åt en central källa (det vill säga till huvudminnet), eftersom allt de behöver är "till hands". Dessutom ger ett speciellt delegeringsschema kärnorna så mycket arbete som de kan göra utan att behöva begära ytterligare data.
Även om det inte finns någon information om hur snart Eyeriss-tekniken kan förväntas visas i alla kommersiellt tillgängliga enheter, kan det antas att dess inverkan på självlärande datorsystem kommer att bli enorm. Användare kommer att kunna få smartphones (eller andra enheter med låg effekt) som klarar av lokal AI-behandling istället för att behöva kommunicera med en fjärrserverserver, vilket är förknippat med latens- och säkerhetsproblem. Många av de apparater som är tillgängliga för konsumenterna kommer bättre att kunna anpassa sig till nya situationer eller navigera i rymden. Det är också viktigt att nämna att en av de ledande forskarna från NVIDIA: s företag deltog i utvecklingen av det nya chipet, från vilket man kan dra slutsatsen attatt den nya tekniken kommer att ha praktiska tillämpningar inom överskådlig framtid.