Японские ученые нашли способ значительно снизить энергопотребление систем искусственного интеллекта, переложив часть вычислительных задач на… обычный городской трафик. Метод заключается в использовании естественной динамики уже существующих сложных систем, таких как дорожная сеть. Подход основан на парадигме резервуарных вычислений, где для обработки данных применяется изменчивое поведение физической системы. Однако если обычно для этого создают специальные устройства или моделируют нейросети, то здесь ведется «сбор» вычислений напрямую из реальных процессов.
Поток машин используется как вычислительная среда, где данные обрабатываются через постоянное взаимодействие транспортных средств. Максимальная точность прогнозирования дорожной обстановки достигалась в критическом состоянии средней плотности, непосредственно перед возникновением затора. Именно в этот момент динамика трафика становится наиболее сложной и насыщенной информацией. В таком режиме дорожная сеть сама по себе способна с высокой точностью предсказывать собственное состояние, требуя лишь минимальных вычислительных затрат на анализ данных с существующих датчиков.
Это исключает необходимость в дополнительном оборудовании и сулит огромную экономию энергии по сравнению со стандартными подходами ИИ. Дороги и прочая инфраструктура будущего могут быть переосмыслены как масштабные, постоянно работающие компьютеры. Такой взгляд способен радикально изменить принципы управления мобильностью, энергопотреблением и планированием пространства в умных городах. Вместо наращивания мощностей дата-центров, вычисления будут встроены непосредственно в физическую среду, снижая общий спрос на энергию.
Муравьи эффективней людей решают проблему оптимизации трафика!