得益于数学上的突破，诸如语音识别，手势识别和ECG分类之类的AI应用程序的能源效率可以提高一百到一千倍。这意味着将有可能在芯片中放置更多精致的AI，从而使应用程序可以在智能手机或智能手表上运行，而这在云端之前就可以完成。
在本地设备上运行AI将使应用程序更强大且对隐私更友好-更加健壮，因为不再需要与云的网络连接。并且更加隐私，因为可以在本地存储和处理数据。
荷兰国家数学和计算机科学国家研究中心Centrum Wiskunde&Informatica(CWI)的研究人员以及荷兰埃因霍温(Eindhoven)的IMEC / Holst研究中心共同完成了这一数学突破。该结果已在Bojian Yin，Federico Corradi和Sander M.Bohté的论文中发表。基本的数学算法已成为开放源代码。
在CWI研究人员和UvA教授认知神经生物学教授SanderBohté的监督下，研究人员开发了一种用于所谓的尖峰神经网络的学习算法。这样的网络已经存在了一段时间，但是从数学的角度来看很难处理，因此到目前为止很难将它们付诸实践。新算法是开创性的方法有两种：在神经元中的网络都需要那么频繁沟通很多，而且每个人的神经元具有执行较少的计算。
首席研究员SanderBohté说：“这两项突破的结合使AI算法的能源效率比标准神经网络高出一千倍，而能源效率比当前的最新神经网络高一百倍。”
受人脑启发
Bohté的灵感和动力来自于人脑处理信息的高效节能方式(20瓦)。近年来，模仿大脑神经网络的计算机在图像识别，语音识别，自动翻译到医学诊断等领域已取得了出色的应用，但所需能量却比人脑高出一百万倍。
Bohté和他的研究团队开发的尖峰神经网络不同于已经集成在AI应用程序中的神经网络。“经典神经网络中神经元之间的通信是连续的，并且从数学角度来看很容易处理。尖峰神经元看起来更像人的大脑，仅以很少的脉冲和短脉冲进行通信。但是，这意味着信号是不连续的，很难处理以数学方式处理。”
