Koniec ery krzemu? Fizycy rzucają wyzwanie energochłonności sztucznej inteligencji

Trenowanie modeli sztucznej inteligencji pożera energię w tempie, które zagraża światowym sieciom energetycznym. Jednak fizycy z Loughborough University właśnie udowodnili, że problemem nie jest sama sztuczna inteligencja, lecz krzemowa architektura, na której jest ona uruchamiana.

Koniec z cyfrową emulacją

Zamiast zmuszać procesory do żmudnego liczenia zer i jedynek w celu symulacji struktur neuronalnych, badacze postawili na fizyczny proces obliczeniowy. Wykorzystali memrystory z tlenku niobu, w których celowo wytworzono nanoporowate, niemal chaotyczne struktury. To nie jest symulacja mózgu; to system, który fizycznie zachowuje się jak on.

Efekt? 2000-krotna poprawa efektywności energetycznej w specyficznych zadaniach.

Architektura inspirowana chaosem

Kluczem do sukcesu okazała się asymetria i losowość. Doktor Pavel Borisov i jego zespół zaprojektowali sieć połączeń, która odwzorowuje skomplikowaną architekturę ludzkich synaps. Zamiast wysyłać dane do ciężkiego oprogramowania, układ przetwarza sygnały bezpośrednio w sprzęcie, co eliminuje wąskie gardło przesyłu informacji między pamięcią a procesorem.

Urządzenie radzi sobie z wyzwaniami, które dla klasycznych układów są energochłonnym koszmarem:

• Rozpoznawanie niskorozdzielczych obrazów cyfr bez wsparcia GPU.
• Prognozowanie zachowań systemów chaotycznych na modelu Lorenz-63.
• Rekonstrukcja brakujących danych w szeregach czasowych.
• Wykonywanie operacji logicznych XOR w ułamku sekundy.

Realny test: Efekt motyla w nanoludzkim chipie

Największe wrażenie robi zdolność chipu do przewidywania krótkoterminowych zachowań w modelu Lorenz-63 – systemie znanym z tego, że minimalna zmiana danych wejściowych prowadzi do radykalnie różnych wyników. Układ z Loughborough potrafił samodzielnie wykrywać te wzorce, co otwiera drogę do budowy czujników Edge AI, które nie potrzebują chmury do myślenia.

To koniec ery 'brute force’ w AI.

Przejście na obliczenia neuromorficzne to nie tylko oszczędność dla gigantów technologicznych. To jedyna droga, by sztuczna inteligencja mogła realnie działać wewnątrz urządzeń IoT, urządzeń ubieralnych czy autonomicznych dronów bez konieczności taszczenia ze sobą plecaka pełnego baterii.

Sceptycyzm jest wskazany

Mimo spektakularnych wyników musimy pamiętać o jednym: laboratorium to nie linia produkcyjna. Choć tlenek niobu wykazuje genialne właściwości, skalowanie tak subtelnych, nanoporowatych struktur do miliardów jednostek przy zachowaniu powtarzalności będzie największym wyzwaniem inżynieryjnym dekady. Jeśli jednak uda się okiełznać ten proces, obecne farmy serwerów, ociekające energią, szybko staną się technologicznym skansenem.