Радиоволны позволят запускать ИИ на компактных устройствах без мощного железа

Исследователи из Университета Дьюка представили новую концепцию под названием WIreless Smart Edge networks (WISE), которая может кардинально изменить работу искусственного интеллекта на компактных устройствах «на границе» сети, таких как дроны, камеры или датчики. Технология позволяет передавать «веса» (параметры) большой нейросети через радиоволны, что избавляет само устройство от необходимости хранить всю модель или выполнять сложные вычисления на своём процессоре.

Тестирование в лаборатории Тинцзюня Чэня в Университете Дьюка. Автор: Duke University

Традиционно для работы ИИ на устройстве есть два неидеальных пути: запускать модель локально, что требует много памяти и энергии, или отправлять данные в облако, что создаёт задержки и риски безопасности. WISE предлагает третий вариант — «аналоговые вычисления в физике» (in-physics analog computing).

Базовая станция, хранящая полную модель ИИ, транслирует радиосигнал, в который закодированы веса модели. Когда этот сигнал достигает устройства, его радиоаппаратура (например, пассивный смеситель частот) естественным образом смешивает входящий сигнал с локальными данными устройства, выполняя ключевую математическую операцию для глубокого обучения — умножение — прямо в аналоговом радиочастотном домене, без участия цифрового процессора.

«Мы используем вычисления, которые уже предоставляет нам распространённая миниатюрная электроника, — говорит ведущий исследователь Тинцзюнь Чэнь. — Вместо того чтобы выполнять каждый шаг модели на чипе, предназначенном для цифровых вычислений, сами радиоволны помогают переносить информацию способом, оптимизированным для вычислений».

По словам Чжихуэя Гао, аспиранта и ведущего автора работы, это открывает путь для работы мощного ИИ на устройствах, которые сегодня на это не способны. Преимущество WISE также в использовании существующей инфраструктуры — базовых станций 5G/6G или Wi-Fi-роутеров, которые с небольшими доработками смогут транслировать модели ИИ.

«Мы не добавляем экзотические компоненты и не создаём совершенно новое аппаратное обеспечение, — отмечает Гао. — Мы повторно используем функции, которые широко развёрнуты и не потребляют дополнительной энергии».

В экспериментах система показала точность классификации изображений почти 96%, потребляя при этом на порядок меньше энергии, чем ведущие цифровые процессоры. Однако технология находится на ранней стадии: текущий прототип работает на коротких дистанциях, а для одновременной трансляции нескольких моделей потребуются дополнительные решения.

Потенциальные области применения включают координацию роя дронов в поисково-спасательных операциях или управление сигналами светофоров с помощью камер. Как заключает Чэнь, это следующий шаг к тому, чтобы беспроводные технологии стали такими же мощными, как проводные, позволяя распределять интеллект, объединяя коммуникацию и вычисления.

Больше информации: Zhihui Gao et al, Disaggregated Machine Learning via In-Physics Computing at Radio Frequency, Science Advances (2026). DOI: 10.1126/sciadv.adz0817.