Fyzika může transformovat výpočetní techniku a umělou inteligenci navždy

V odlišném přístupu od desetiletí trvající výpočetní tradice vyvinula skupina výzkumníků z Unconventional AI metodu pro generování obrázků, která se nezaměřuje na křemíkové čipy a elektrické proudy, které pohání dnešní systémy umělé inteligence, ale spíše na základní principy fyziky samotné.

Systém, nazvaný Un-0, představuje vznikající filozofii ve vývoji umělé inteligence: místo budování větších a složitějších počítačových sítí zkoumají vědci, zda matematické vzorce nalezené v přírodě mohou provádět stejné výpočetní práce při použití kolem 1000x méně energie.

Energetická účinnost

Systémy umělé inteligence, které dominují technologickému prostředí, jako jsou neuronové sítě, jazykové modely a algoritmy doporučení, vyžadují enormní množství energie pro svou činnost.

Datacentra, která tyto systémy hostí, spotřebují energii odpovídající malé město, což vyvolává obavy o environmentální dopad a dlouhodobou udržitelnost.

Vědci odhadují, že dosažení dalšího významného pokroku v efektivitě umělé inteligence bude vyžadovat fundamentálně odlišný přístup k tomu, jak stroje zpracovávají informace.

Tato realizace vedla vědce k hledání inspirace v přírodě, zkoumání biologických a fyzikálních systémů, které se vyvinuly po miliony let, aby řešily složité problémy s pozoruhodnou efektivitou.

Pochopení spojených oscilátorů

V srdci Un-0 leží deceptivně jednoduchý koncept z fyziky: spojené oscilátory.

Abyste to pochopili, můžete si představit pár metronomů, mechanických zařízení, která hudebníci používají k udržení rytmu. Pokud jsou dva metronomy umístěny na stejném stole a nastaveny na různé tempa, něco pozoruhodného se stane. Prostřednictvím vibrací v povrchu pod nimi metronomy postupně ovlivňují jeden druhého, až nakonec spadnou do synchronizace a budou tikat v souladu.

Tato synchronizace následuje přesné matematické principy, které byly studovány ve fyzice po více než století. Interakce mezi oscilátory vytváří vzorce organizace, které vznikají bez vnějšího směru nebo kontroly, samy se organizují.

Teď si představte, že tento koncept dramaticky rozšiřujete. Místo dvou metronomů si představte tisíce oscilujících jednotek, z nichž každá může ovlivňovat každou jinou jednotku kolem ní.

Každý oscilátor má několik vlastností: přirozenou frekvenci, ve které chce rotovat, úhel fáze, který popisuje jeho aktuální pozici v jeho oscilačním cyklu, a spojení se všemi ostatními oscilátory, které určují, jak silně každé pár ovlivňuje jeden druhého.

Tato spojení, nazývaná vazebné síly, jsou aspekty, které Un-0 učí během tréninku.

Tento systém odráží matematické modely známé jako Kuramoto oscilátory, pojmenované po fyzikovi Yoshikim Kuramotovi, který studoval takové systémy před lety. Až donedávna zůstaly tyto modely převážně teoretické.

Un-0 demonstruje, že je možné je škálovat, aby řešily praktické problémy umělé inteligence na úrovni sofistikovanosti, která byla dříve považována za doménu konvenční hluboké učené.

Prostředí a srovnání

Testování ukázalo, že Un-0 dosahuje kvality obrázků srovnatelnou s vedoucími metodami generování obrázků umělé inteligence z několika let zpět.

Na standardním benchmarku nazvaném ImageNet 64×64 systém dosáhl skóre kvality, které odpovídalo výkonu prominentních konvenčních generátorů, když tyto systémy byly poprvé publikovány.

To představuje ani porážku, ani průlom. Spíše to demonstruje princip: systémy založené na fyzikálních dynamikách mohou generovat obrázky na úrovni kvality, která byla dříve považována za výlučnou pro hlubokou učenou, detail, který naznačuje významný potenciál pro budoucí vývoj.

Vědci uznávají, že současné systémy špičkové úrovně, které prošly lety zdokonalování, stále překonávají Un-0. Nicméně, poukazují na to, že konvenční generátory obrázků také začínaly s skromnými výsledky, než je desetiletí optimalizace proměnilo v dnešní sofistikované nástroje.

Proč fyzika-založené výpočetní techniky záleží

Význam Un-0 sahá daleko za generování obrázků. Systémy založené na fyzikálních dynamikách, které provádějí úkoly umělé inteligence při spotřebě tisíckrát méně energie než konvenční přístupy, by měly transformační důsledky.

Takové zisky v efektivitě by mohly umožnit aplikacím umělé inteligence běžet na mobilních zařízeních, vestavných systémech a vzdálených lokalitách bez přístupu k masivním datovým centrům.

Navíc, tyto systémy by mohly být nakonec implementovány přímo do fyzického hardwaru, křemíkových čipů navržených k simulaci přírodních fyzikálních procesů, spíše než k provádění naprogramovaných instrukcí. Takové “nekonvenční substráty”, jak je nazývají vědci, by představovaly skutečně odlišný druh počítače.

Širší krajina

Un-0 není jediným výzkumným úsilím, které zkoumá alternativy k konvenčním neuronovým sítím.

Ačkoli v akademii a průmyslu, vědci zkoumají systémy inspirované termodynamickými principy, analogovými obvody, kvantovou mechanikou a dalšími aspekty fyziky.

Tyto přístupy sdílejí společnou motivaci: konvenční přístupy téměř dosáhly svých praktických limitů z hlediska energetické efektivnosti. Průlomové pokroky mohou vyžadovat přeformulování výpočetní techniky samotné.

Výzkumná komunita se účastní toho, co by se dalo popsat jako velká výzva: můžeme přestavět systémy umělé inteligence, aby se shodovaly se zásadami, které řídily biologické a fyzikální systémy po miliardy let? Pokud úspěšné, takový úspěch by představoval fundamentální přehodnocení toho, co jsou počítače a jak fungují.

Aktuální omezení a budoucí směry

Systém Un-0 zůstává experimentální. Provozuje se při relativně skromném rozlišení obrázků a dosud nedosáhl úrovní výkonu nejmodernějších současných systémů.

Přes veškerý pokrok, který byl dosažen, proces učení stále vyžaduje konvenční výpočetní techniku a podstatnou dobu na dokončení.

Vědci zveřejnili svou práci transparentně, uvolnili trénovací kód a podrobnou analýzu svých zjištění, což odráží přesvědčení, že tento přístup představuje novou směr, který mnoho výzkumníků může prozkoumat a vylepšit.

Jak systémy umělé inteligence se stávají stále více centrálními pro moderní společnost, hledání efektivnějších výpočetních přístupů se pohybuje od akademické zvědavosti k praktické nutnosti. Un-0 stojí jako důkaz, že alespoň jedna slibná směr existuje, a že zkoumání fyzika-založené umělé inteligence teprve začalo.