Голосовые интерфейсы все глубже проникают в повседневную жизнь. Существенно активизировать этот процесс, распространить его на маломощные устройства Интернета Вещей, позволит микросхема, которую разработали в Массачусетском технологическом институте (MIT).

Авторы, Майкл Прайс (Michael Price), Ананта Чандракасан (Anantha Chandrakasan) и Джим Гласс (Jim Glass), рассказали о своём изобретении в статье для международной конференции ICSSC, состоявшейся на прошлой неделе.

Смартфон, работающий с программой распознавания речи, расходует порядка 1 ватта. Потребляемся мощность нового чипа в зависимости от количества распознаваемых слов может варьироваться от 0,2 до 10 мВт, что в реальных приложениях обеспечит экономию 90–99% энергии.

Даже эффективные системы быстро опустошают батареи если работают непрерывно. Поэтому представленный чип оснащен функцией голосовой активации. Фактически, в экспериментальном прототипе тестировались три разные схемы голосовой активации. Самая сложная и энергозатратная в итоге обеспечила наилучшую эффективность в масштабах чипа, так как давала значительно меньше ложных срабатываний, чем два других алгоритма.

Для минимизации данных, извлекаемых из внешней памяти, входящий аудиосигнал делился на 10-миллисекундные отрезки, и каждый из них обрабатывался отдельно. На каждом из этапов расчётов чип представлял только один из узлов нейросети, через который пропускались 32 последовательных 10-микросекундных отрезка. Это давало 384 значения (для 32 выходных каналов), которые сохранялись во встроенной в чип памяти. Каждое из них комбинировалось с 11 другими величинами и передавалось на следующий уровень нейросети. Благодаря тому, что за один раз из внешней памяти загружался только один сжатый узел, энергопотребление оставалось низким.

Эта разработка финансировалась Qmulus Project, совместным предприятием MIT и Quanta Computer, прототипирование чипа осуществлялось в рамках программы University Shuttle компании TSMC.