Mikrochipy naśladujące ludzki mózg mogą sprawić, że sztuczna inteligencja będzie znacznie wydajniejsza energetycznie
Image
Sztuczna inteligencja (AI) sprawia, że gry wideo są bardziej realistyczne i pomaga telefonowi rozpoznawać głos – ale energochłonne programy zużywają dużo energii. Jednak następna generacja sztucznej inteligencji może być 1000 razy bardziej energooszczędna dzięki chipom komputerowym, które działają jak ludzki mózg. Nowe badanie pokazuje, że takie neuromorficzne chipy mogą wykonywać algorytmy AI, wykorzystując tylko ułamek mocy zużywanej przez konwencjonalne chipy.
Takie postępy mogą doprowadzić do ogromnego skoku wydajności złożonego oprogramowania, które, powiedzmy, tłumaczy języki lub napędza samochody bez kierowcy. Program AI jest zwykle świetny w znajdowaniu określonych pożądanych wzorców w zestawie danych, a jedną z najtrudniejszych rzeczy, jakie robi, jest przechowywanie fragmentów wzorca, gdy łączy je wszystkie razem. Komputer, aby rozpoznać obraz, najpierw wykrywa dobrze zdefiniowane krawędzie obrazu. Następnie musi zapamiętać te krawędzie i wszystkie kolejne części obrazu, aby uformować ostateczny obraz.
Wspólnym elementem takich sieci jest jednostka oprogramowania zwana długoterminową pamięcią krótkoterminową (LSTM), która zachowuje pamięć jednego elementu wraz ze zmianą sytuacji w czasie. Na przykład pionowa krawędź obrazu musi być przechowywana w pamięci, podczas gdy oprogramowanie określa, czy reprezentuje ona część „4”, czy drzwi samochodu. Typowe systemy AI muszą jednocześnie śledzić setki elementów LSTM. Istniejące sieci LSTM działające na konwencjonalnych chipach komputerowych są bardzo dokładne, ale wymagają dużej mocy. Aby przetworzyć bity informacji, muszą najpierw otrzymać poszczególne bity przechowywanych danych, manipulować nimi, a następnie odesłać je z powrotem do pamięci.
Intel, IBM i inni producenci chipów eksperymentują z alternatywnym projektem chipów zwanym chipami neuromorficznymi. Przetwarzają informacje jak sieć neuronów w mózgu, gdzie każdy neuron otrzymuje dane wejściowe od innych w sieci i uruchamia się, jeśli całkowity sygnał wejściowy przekracza próg. Nowe chipy mają mieć sprzętowy odpowiednik neuronów sieciowych. Programy sztucznej inteligencji również opierają się na sieciach sztucznych neuronów, ale w zwykłych komputerach neurony te są określane wyłącznie przez oprogramowanie i dlatego są praktycznie zlokalizowane w oddzielnych chipach pamięci komputera.
W neuromorficznym chipie pamięć i komputer współpracują ze sobą, dzięki czemu są znacznie bardziej energooszczędne: nasze mózgi zużywają tylko 20 watów mocy, mniej więcej tyle samo, co energooszczędna żarówka. Aby jednak wykorzystać tę architekturę, informatycy muszą przemyśleć, w jaki sposób wykonują funkcje, takie jak LSTM.
W chwili obecnej na rynku dostępnych jest tylko kilka chipów neuromorficznych. Dlatego jest mało prawdopodobne, aby aplikacja na dużą skalę pojawiła się szybko. Ale najnowocześniejsze algorytmy sztucznej inteligencji mogą pomóc tym chipom zyskać komercyjne podstawy. To z kolei może doprowadzić do powstania nowych aplikacji.
- Dodaj komentarz
- 284 odsłon