Fra ChatGPT – nå også SensorGPT

Den japanske teknologigiganten TDK Corporation tar nå et stort steg inn i fremtidens KI-marked med lanseringen av SensorGPT – en ny teknologi som de hevder kan drastisk redusere tiden og kostnadene knyttet til utvikling av kunstig intelligens for smarte IoT-enheter.

Løsningen kombinerer generativ KI, signalbehandling, simuleringer og statistiske modeller for å generere syntetiske sensordata i stor skala. Målet er å løse et av de største problemene innen kant-KI: mangel på data.

Dataflaskehals bremser KI-utviklingen

I dagens marked går mesteparten av tiden i KI-utvikling ikke til å bygge selve intelligensen – men til å samle inn og merke data. Ifølge TDK brukes opptil 80 prosent av utviklingstiden på datainnsamling og kvalitetssikring.

SensorGPT skal redusere denne avhengigheten dramatisk. Teknologien gjør det mulig å kutte behovet for ekte sensordata fra 80 prosent til rundt 10 prosent ved å generere realistiske syntetiske datasett.

Det kan få stor betydning for alt fra smarte klokker og mobiltelefoner til industriell IoT og såkalt Ambient IoT – et voksende marked der sensorer og tilkoblede enheter fungerer sømløst i bakgrunnen av hverdagen.

Fra måneder til uker

Ifølge Jim Tran, teknologileder i TDK USA, kan løsningen redusere utviklingstiden for kant-KI-modeller fra flere måneder til bare noen få uker.

Ved hjelp av generative KI-modeller lærer systemet mønstre fra begrensede mengder ekte sensordata og bruker dette til å skape nye datasett som speiler virkelige forhold. Samtidig benyttes fysikkbaserte simuleringer og avansert signalbehandling for å etterligne dynamikken i faktiske sensorsignaler.

Teknologien støtter også automatisk datautvidelse og assistert annotering, noe som gjør treningsdata både rikere og mer anvendelige for maskinlæring.

90 prosent likhet med virkelige data

TDK opplyser at SensorGPT klarer å generere syntetiske datasett med opptil 90 prosent likhet med ekte sensordata. Det gjør at KI-modeller kan trenes raskere og tas i bruk tidligere, uten å måtte vente på omfattende innsamling av feltdata.

Når løsningene først er i drift, fortsetter systemet å lære gjennom tilbakemeldinger fra virkelige data. Disse brukes til å forbedre de syntetiske modellene over tid – en selvforsterkende prosess som kan gjøre kant-KI både smartere og mer effektiv.

Viktig satsing på kant-KI

Kant-KI – altså kunstig intelligens som kjører lokalt på enheter i stedet for i skyen – er ventet å bli standard i stadig flere produkter de neste årene. Dette skyldes blant annet behovet for raskere responstid, lavere energiforbruk og bedre personvern.

TDK mener SensorGPT kan bli en nøkkelteknologi i denne utviklingen ved å gjøre KI-modeller enklere å skalere og raskere å tilpasse til ulike bruksområder.

Blant de viktigste anvendelsesområdene trekker selskapet frem:

• Smarte IoT-enheter
• Kroppsnær elektronikk og mobilteknologi
• Industriell IoT
• Ambient IoT
• Fysiske KI-systemer og autonome løsninger

Kan senke terskelen for KI-innovasjon

Ved å redusere kostnader og utviklingstid kan teknologien også gjøre det enklere for mindre selskaper å utvikle avanserte KI-løsninger, mener selskapet.

TDK hevder SensorGPT kan øke størrelsen på treningsdatasett med flere størrelsesordener, samtidig som behovet for kostbar datainnsamling reduseres kraftig. Resultatet er raskere prototyping, kortere vei fra idé til ferdig produkt – og potensielt en betydelig akselerasjon av KI-utviklingen i utkanten av nettet.