Amikor a technológiai világ még vakon hitt a kizárólagos digitális jövőben, egy magyar kutató olyan áramköri architektúrát alkotott, amely a mai modern gépi látás és peremhálózati számítástechnika (Edge AI) alapjait jelentette. Dr. Roska Tamás a celluláris neurális hálózatok (CNN) társalkotójaként áttörte a hagyományos processzorok sebességkorlátait, bebizonyítva, hogy a természet inspirálta technológia képes visszaadni a látást azoknak, akik elvesztették azt.
A mesterséges intelligencia hajnalán, a ’80-as és ’90-es évek fordulóján a Neumann-architektúrájú számítógépek uralták a piacot. Ezek a rendszerek sorvezérléssel, lépésről lépésre hajtották végre az utasításokat. Bármilyen gyorsak is voltak a processzorok, egy kritikus falba ütköztek: a Neumann-szűkületbe (az a hardveres szűk keresztmetszet, ahol a processzor és a memória közötti folyamatos adatmozgatás miatt a rendszer drasztikusan lelassul, hiába óriási a számítási kapacitás).
Amikor a számítógépeknek képeket vagy valós idejű videós folyamokat kellett elemezniük, a hagyományos digitális chipek „megfulladtak” az adatmennyiségben. Ekkor lépett a színre Dr. Roska Tamás, a Pázmány Péter Katolikus Egyetem Információs Technológiai Karának alapító dékánja és a SZTAKI kutatója, aki a kaliforniai UC Berkeley egyetemen Leon O. Chua professzorral kezdett közös munkába. Felismerték, hogy az emberi látóideghártya (retina) nem egyesével, pixelről pixelre dolgozza fel a beérkező fényt, hanem egyszerre, párhuzamosan. Ezt a biológiai csodát ültették át szilíciumra – megalkotva az úgynevezett Celluláris Neurális/Nemlineáris Hálózatokat (CNN).
Az igazi áttörés 1992-ben érkezett el, amikor Roska és Chua megalkották a CNN Univerzális Gépet (CNN-UM). Ez volt a világ első analogikai számítógépe (olyan hibrid rendszer, amely a folyamatos, megszakítás nélküli analóg hullámok bámulatos sebességét ötvözi a hagyományos digitális számítógépek programozhatóságával és precíz logikájával).
Hogyan működik ez a gyakorlatban? A CNN chipek esetében több ezer apró elemi processzor helyezkedik el egy kétdimenziós rácson, ahol minden processzor csak a közvetlen szomszédjaival áll összeköttetésben. Ez a felépítés lehetővé teszi, hogy egy kép feldolgozása ne egymás utáni műveletek sorozata legyen, hanem egyetlen pillanat alatt, tömeges párhuzamossággal menjen végbe.
Míg egy hagyományos digitális chipnek másodpercekre (vagy a ’90-es években percekre) volt szüksége egy nagy felbontású kép éleinek, formáinak felismerésére, a CNN chip ezt mikroszekundumok alatt elvégezte. A sebességnövekedés nem tízszeres vagy százszoros volt, hanem nagyságrendekkel nagyobb – egy igazi ágyúgolyó az akkori hardveriparban, amely azonnal felkeltette az orvostechnológiai és védelmi ipari fejlesztők figyelmét.
Dr. Roska Tamás technológiája messze megelőzte a korát. Az általa megálmodott chipek az úgynevezett Edge AI (peremhálózati intelligencia: amikor a mesterséges intelligencia nem egy távoli felhőszerveren, hanem azonnal, helyben, magán a kamerán vagy a telefonon végzi el a számításokat) előfutárai voltak.
A leggyakorlatiasabb és leginkább szívbemarkoló alkalmazás a Bionikus Szemüveg projekt volt. Roska csapata egy olyan hordozható, vakok és gyengénlátók számára készült eszközt fejlesztett, amelybe beépítették a CNN chipet. A rendszer valós időben – a szerveres válaszidő késleltetése nélkül – elemezte a környezetet, felismerte az arcokat, leolvasta a közlekedési táblákat és a bankjegyeket, majd hangjelzésekkel navigálta a viselőjét.
Üzleti szempontból Roska Tamás öröksége kristálytiszta üzenet a mai AI-fejlesztőknek: a nyers számítási kapacitás és az adatközpontok növelése nem az egyetlen út. A biológiailag inspirált (neuromorf) áramkörök, az energiahatékony lokális adatfeldolgozás és a célzott hardveres optimalizáció az, ami igazán fenntarthatóvá és mindenki számára elérhetővé teszi az intelligens technológiákat. A magyar professzor zsenialitása bebizonyította, hogy a gépi látás igazi forradalma nem a kódokban, hanem a hardver és a természet harmóniájában rejlik.
