Naukowcy zbudowali sztuczny 'móżdżek' dla AI, wykrywa arytmię w ułamku sekundy

Zespół z Northwestern University pod kierunkiem Marka C. Hersama opublikował 10 lipca 2026 roku w czasopiśmie Nature Communications opis układu elektronicznego, który naśladuje działanie móżdżku, części mózgu odpowiedzialnej za odruchy i reakcje bez udziału świadomego myślenia. Urządzenie, nazwane memtranzystorem, ma wykrywać nieprawidłowości szybciej i przy znacznie mniejszym zużyciu energii niż konwencjonalne systemy sztucznej inteligencji.

Jak działa memtranzystor

Układ wykorzystuje asymetryczną strukturę elektrod, częściowo nakładających się na siebie przez cienką warstwę izolującą. Kierunek przyłożonego napięcia przełącza urządzenie między trybem pobudzającym a hamującym, co odwzorowuje sposób, w jaki móżdżek utrzymuje równowagę między sygnałami pobudzającymi i hamującymi w warunkach normalnych i zmienia tę równowagę, gdy pojawia się coś nietypowego.

W klasycznych systemach AI każdy fragment strumienia danych, na przykład zapisu EKG czy sygnału z czujnika, jest analizowany w ten sam sposób, niezależnie od tego, czy coś się zmieniło. Memtranzystor działa inaczej: monitoruje strumień pod kątem nowości, a nie analizuje każdą próbkę z osobna, dzięki czemu przez większość czasu pozostaje w stanie spoczynku i uruchamia pełną analizę dopiero, gdy wykryje odchylenie od normy.

Dzisiejsza AI jest niezwykle dobra w rozpoznawaniu wzorców, ale często zużywa ogromne ilości mocy obliczeniowej, by nieprzerwanie analizować strumienie danych, nawet gdy nic się nie zmieniło - Mark C. Hersam, Northwestern University

Test na arytmii serca

W testach proof-of-concept urządzenie analizowało zapisy elektrokardiograficzne i identyfikowało nieprawidłowe rytmy serca z dokładnością przekraczającą 98 procent. Wykrycie następowało w czasie odpowiadającym jednej piątej uderzenia serca, czyli zanim jeszcze dane uderzenie zdążyło się w pełni zakończyć.

Nasz memtranzystor inspirowany móżdżkiem wykrył nieregularne bicie serca w ułamku sekundy, zanim uderzenie serca w ogóle się zakończyło - Mark C. Hersam, Northwestern University

Do budowy układu naukowcy wykorzystali dwusiarczek molibdenu, atomowo cienki półprzewodnik, który pozwala tworzyć tranzystory łączące funkcję pamięci i obliczeń w jednym elemencie. W projekcie brali też udział Vinod K. Sangwan z McCormick School of Engineering, neurobiolog Indira M. Raman oraz Amit Trivedi z University of Illinois w Chicago, co nadało pracy charakter interdyscyplinarny, łączący materiałoznawstwo, elektronikę i neurobiologię.

Dlaczego to ma znaczenie dla AI na urządzeniach

Obecne modele sztucznej inteligencji, także te używane w noszonych urządzeniach medycznych czy autonomicznych pojazdach, zwykle wymagają stałego połączenia z serwerami obliczeniowymi lub mocnych baterii, bo analiza danych w czasie rzeczywistym pochłania dużo energii. Układ zaprojektowany w Northwestern ma pracować lokalnie, na urządzeniu, i włączać się w pełni dopiero wtedy, gdy wykryje coś wymagającego uwagi, co może radykalnie wydłużyć czas pracy na baterii w plastrach monitorujących serce, czujnikach przemysłowych czy robotach.

To podejście wpisuje się w szerszy trend edge AI, czyli przenoszenia sztucznej inteligencji z chmury bezpośrednio na urządzenia brzegowe. Rynek edge AI wart był w 2026 roku około 30,9 miliarda dolarów, a analitycy cytowani przy okazji publikacji prognozują wzrost do ponad 225 miliardów dolarów do 2035 roku, napędzany właśnie zapotrzebowaniem na energooszczędne układy zdolne do pracy bez ciągłego połączenia z centrum danych.

Ograniczenia i dalsze plany

Naukowcy podkreślają, że obecny układ odwzorowuje tylko jeden element obwodu neuronowego móżdżku, a nie całą jego złożoność. Móżdżek u ludzi i zwierząt odpowiada nie tylko za wykrywanie nowości, ale też za precyzyjne uczenie się ruchów i ich stopniową korektę, czego memtranzystor jeszcze nie potrafi.

Zademonstrowaliśmy jedną część obwodu neuronowego móżdżku, ale jest jeszcze więcej, czego nie odwzorowaliśmy - Mark C. Hersam, Northwestern University

Zespół zapowiada dalsze prace nad odtworzeniem zdolności adaptacyjnego uczenia się, jakie ma biologiczny móżdżek, co pozwoliłoby układowi z czasem poprawiać własną skuteczność bez przeprogramowywania. To kontynuacja wcześniejszych badań tej samej grupy z 2023 roku, w których podobne podejście dawało stukrotną redukcję zużycia energii względem klasycznych tranzystorów.

Znaczenie dla zastosowań praktycznych

Autorzy badania wskazują na zastosowania w noszonych urządzeniach zdrowotnych, autonomicznych pojazdach, robotyce oraz systemach cyberbezpieczeństwa, gdzie szybkie wykrywanie anomalii bez ciągłego zużycia mocy obliczeniowej ma kluczowe znaczenie. W przeciwieństwie do wielu głośnych premier modeli językowych, to badanie dotyczy fizycznej warstwy sprzętowej AI, czyli obszaru, w którym USA, Chiny i Europa rywalizują coraz mocniej o przewagę energetyczną i kosztową.

Źródła: Cerebellum-inspired memtransistors enable emergent differentiation for hardware-efficient novelty detection (nature.com), AI Has A Cerebellum Now (science20.com), AI Chip Mimicking Brain's Reflex Center Developed (neurosciencenews.com), AI gets a 'cerebellum' (digitaljournal.com)