כיצד UWB ו-BLE מהדור הבא מאפשרים זרימת נתונים יעילה ומודעות מרחבית עבור Edge Intelligence
כיום, בינה מלאכותית עדיין “חיה” ברובה במרכזי נתונים. אנו מתקשרים איתה מרחוק, באמצעות המכשירים המוכרים מעידן האינטרנט – מחשבים ניידים וסמארטפונים. אף על פי ששיחה טבעית יכולה להיות הדרך האינטואיטיבית ביותר להשתמש בבינה מלאכותית גנרטיבית, בפועל רוב המשתמשים עדיין בוחרים להקליד ולקרוא, ולא לדבר ולהאזין.
עם זאת, מגמה זו צפויה להשתנות. הרגלים טכנולוגיים נוטים להשתרש, אך אינם קבועים. הכיוון שאליו מתקדמת הבינה המלאכותית הוא הפיכתה לעוזר אישי – כזה המשתלב באופן טבעי ורציף בחיי היומיום. כדי שזה יקרה, נידרש לאינטראקציה ישירה יותר, שאינה תלויה במסכים ובמקלדות בלבד – שינוי שמציב דרישות חדשות על שכבת התקשורת והתשתית הטכנולוגית שמאחורי הקלעים.
ממחשוב בענן לבינה מלאכותית “על הגוף”
המגמה לעבר בינה מלאכותית מותאמת אישית כבר באה לידי ביטוי בתעשיית מוצרי הצריכה. בשנים האחרונות הופיע גל של מכשירים מבוססי AI – משקפיים, סיכות חכמות, טבעות ואוזניות – שכל אחד מהם בוחן דרכים שונות לשאת את הבינה המלאכותית עם המשתמש, כחלק בלתי נפרד מחוויית היומיום.
ייתכן שעדיין לא נולד “המוצר המנצח”, אך הניסויים הללו מספקים תובנות חשובות לגבי הכיוון שאליו השוק מתפתח.
הסמארטפון עדיין מרכזי במערכת האקולוגית
בטווח הקצר לפחות, מכשירי AI לבישים לא צפויים להחליף את הסמארטפון, אלא לפעול לצידו. הסיבה לכך היא בעיקר טכנולוגית: הממדים הקומפקטיים של משקפיים, טבעות או אוזניות אינם מאפשרים שילוב של יכולות עיבוד מתקדמות מעבר לרמה בסיסית. כתוצאה מכך, מכשירים אלו נשענים על רכיב חישובי חזק יותר – בדרך כלל הסמארטפון – לצורך עיבוד נתונים מורכב או גישה למשאבי ענן.
תיאורטית, ניתן היה להוסיף רכיב חישובי נוסף הנישא על הגוף, אך הדבר היה מוסיף מורכבות, משקל וחוסר נוחות. בפועל, הסמארטפון כבר הפך למרכז דיגיטלי חיוני – לניהול תקשורת, תשלומים, ניווט, מדיה ושירותים נוספים – ולכן סביר יותר להרחיב את תפקידו מאשר לנסות להחליפו.
מכאן נובעת מסקנה חשובה: גאדג’טים מבוססי AI יזכו לאימוץ רחב יותר כאשר טכנולוגיות הקישוריות שלהם תואמות לאקוסיסטם הקיים של הסמארטפונים.
עוזרי AI יקשיבו ויראו – יותר מאשר ידברו ויציגו
בעבר, המונח “משקפיים חכמים” נקשר בעיקר למציאות רבודה (AR), עם שכבות מידע גרפיות המוקרנות על שדה הראייה. אולם בעוד שטכנולוגיות אלו עדיין לא הפכו למוצרי מיינסטרים, מתגבשת קטגוריה אחרת: משקפי AI קלים, הכוללים מצלמות ומיקרופונים, אך כמעט ללא תצוגה חזותית.
הסיבה לכך כפולה: מצד אחד, שילוב תצוגות מתקדמות במסגרת קלה ודקה עדיין מהווה אתגר הנדסי משמעותי; מצד שני, העדפות המשתמשים נוטות לפתרונות דיסקרטיים יותר, שאינם “מעמיסים” מידע על שדה הראייה.
עם זאת, כדי שעוזרי AI יהיו שימושיים באמת, עליהם להיות מודעים להקשר בזמן אמת – לראות את הסביבה, לשמוע את המתרחש, ולעיתים אף לנטר מדדים פיזיולוגיים. רק כך ניתן לספק תגובות מדויקות ורלוונטיות.
מצב זה יוצר זרימת נתונים א-סימטרית: מהמכשיר הלביש אל הסמארטפון נדרש ערוץ תקשורת בקצב גבוה ובצריכת הספק נמוכה, להעברת נתוני חישה רציפים (אודיו, תמונות והקשר). בכיוון ההפוך, לעומת זאת, מועברים בעיקר פקודות או תגובות – בהיקף נתונים קטן יותר.
מבינה מלאכותית לבישה לבינה מלאכותית מגולמת
בהסתכלות קדימה, ניתן לדמיין עתיד שבו עוזרי AI אינם רק נישאים על הגוף, אלא פועלים לצד האדם כמכונות אוטונומיות המסוגלות לבצע פעולות בעולם הפיזי.
תחום הרובוטיקה ההומנואידית נמצא עדיין בשלבי התפתחות מוקדמים, אך מתקדם במהירות. אחד האתגרים המרכזיים בתחום זה הוא השגת מודעות מרחבית מדויקת ביותר. רובוטים צריכים לנווט בסביבות מורכבות, להתמודד עם הפרעות אות והחזרות (multipath), לאחוז חפצים בצורה אמינה ולהימנע מהתנגשויות – כל זאת ברמת דיוק גבוהה בהרבה מזו הנדרשת ברובוטיקה תעשייתית מסורתית.
תפקידה של הקישוריות האלחוטית בצריכת הספק נמוכה
במשך שנים, הדיון סביב בינה מלאכותית התמקד בעיקר באלגוריתמים ובתוכנה. בהמשך, עברה תשומת הלב לחומרה – מעבדים עתירי ביצועים, זיכרונות מהירים וקישורים אופטיים במרכזי נתונים.
לעומת זאת, תפקידן של טכנולוגיות תקשורת אלחוטיות קצרות טווח, כאשר AI יוצא אל העולם הפיזי, נותר עד כה פחות במוקד. השאלה המרכזית היא האם מערכות אלו מסוגלות לעמוד בדרישות החדשות של קצב נתונים, דיוק מרחבי ויעילות אנרגטית.
הטכנולוגיה הנפוצה ביותר כיום היא Bluetooth, התומכת הן בהעברת נתונים והן ביישומי מיקום. עם כניסת יכולות channel sounding, היא מסוגלת להגיע לדיוק של כ-10 סנטימטרים.
UWB (Ultra-Wideband), אף שהיא פחות נפוצה, צוברת תאוצה משמעותית. היא כבר משולבת במגוון רחב של מערכות – סמארטפונים, כלי רכב, מערכות בית חכם ופתרונות מיקום בזמן אמת בתעשייה. יתרונה המרכזי הוא יכולת מיקום בדיוק של תת-סנטימטר.
חידושים באלגוריתמים ובחומרה – לרבות מחקר ופיתוח של imec – ממשיכים לשפר את הדיוק והיעילות האנרגטית, תוך התקרבות לרמות דיוק של מילימטרים, הנדרשות ליישומי רובוטיקה מתקדמים.
פריצות דרך טכנולוגיות
שתי התפתחויות עדכניות ממחישות את קצב ההתקדמות בתחום:
דור חדש של IR-UWB
משדר-מקלט מהדור החדש מצליח להגיע לקצב נתונים של 124.8 Mb/s – נתון שיא התואם את תקן IEEE 802.15.4ab העתידי. מדובר בשיפור של פי כ-20 לעומת הקצבים המקובלים כיום (כ-6.8 Mb/s).
ההתקדמות הושגה באמצעות אופטימיזציה משולבת של החלק האנלוגי וה-baseband הדיגיטלי. חשוב לא פחות, השיפור בקצב אינו בא על חשבון יעילות אנרגטית: צריכת האנרגיה לביט נמוכה במיוחד, ואף נמוכה משמעותית בהשוואה ל-Wi-Fi – בעיקר בצד השידור. תכונה זו הופכת את הפתרון למתאים במיוחד לתרחישים של זרימת נתונים א-סימטרית בין מכשירי AI לבישים למכשירי העיבוד המרכזיים.
שילוב Narrowband עם UWB
גישה נוספת היא שילוב של Narrowband (NB) עם UWB. שילוב זה מאפשר לא רק שיפור משמעותי ביכולות המיקום, אלא גם הארכת טווח הפעולה – עד כ-100 מטר, פי ארבעה בהשוואה לדורות קודמים.
בנוסף, הארכיטקטורה תומכת בהתאמה עתידית לתקנים מתפתחים כגון Bluetooth Higher Bands – הרחבה של Bluetooth לתדרים גבוהים יותר, המבטיחה קצבי נתונים גבוהים יותר, השהייה נמוכה יותר ודיוק משופר.
סיכום
ככל שהבינה המלאכותית עוברת ממרכזי נתונים אל המרחב האישי והפיזי, כך גובר הצורך בטכנולוגיות תקשורת קצרות טווח המסוגלות לתמוך בדרישות החדשות.
עוזרי AI עתידיים – בין אם מדובר במכשירים לבישים ובין אם במערכות אוטונומיות – ידרשו קישוריות שמסוגלת להעביר נתונים ביעילות גבוהה, להבין את הסביבה בדיוק מרחבי רב, ולפעול לאורך זמן בצריכת הספק נמוכה.
טכנולוגיות כמו Bluetooth ו-UWB כבר נמצאות בתהליך אבולוציה מהיר בכיוון זה, וההתפתחויות האחרונות ממחישות עד כמה הן מתקרבות למלא את התפקיד המרכזי של חיבור בין בינה מלאכותית לעולם הפיזי.
תמונת שער: מערכת הרדיו UWB דור 4 של imec
קרדיט: באדיבות imec
קרדיט: מבוסס על מאמר של imec
