Η Φυσική Μπορεί Να Μεταμορφώσει Τον Υπολογισμό και Την Τεχνητή Νοημοσύνη Για Πάντα

Σε μια απόκλιση από δεκαετίες παραδοσιακής υπολογιστικής παράδοσης, μια ομάδα ερευνητών στο Unconventional AI έχει αναπτύξει μια μέθοδο για τη δημιουργία εικόνων που βασίζεται όχι στα τσιπ πυριτίου και τις ηλεκτρικές ροές που τροφοδοτούν τις σημερινές συστήματα τεχνητής νοημοσύνης, αλλά στις θεμελιώδεις αρχές της φυσικής selbst.

Το σύστημα, που ονομάζεται Un-0, αντιπροσωπεύει μια αναδυόμενη φιλοσοφία στην ανάπτυξη της τεχνητής νοημοσύνης: αντί να κατασκευάζουν μεγαλύτερα και πιο σύνθετα δίκτυα υπολογιστών, οι επιστήμονες εξετάζουν εάν οι μαθηματικοί σχηματισμοί που βρίσκονται στη φύση μπορούν να εκτελέσουν το ίδιο υπολογιστικό έργο χρησιμοποιώντας περίπου 1000 φορές λιγότερη ενέργεια.

Ενέργεια και Απόδοση

Τα συστήματα τεχνητής νοημοσύνης που έχουν κυριαρχήσει στο τεχνολογικό τοπίο, όπως τα νευρωνικά δίκτυα, τα μοντέλα γλώσσας και οι αλγόριθμοι συστάσεων, απαιτούν τεράστιες ποσότητες ενέργειας για να λειτουργήσουν.

Οι κέντροι δεδομένων που στεγάζουν αυτά τα συστήματα καταναλώνουν ενέργεια ισοδύναμη με εκείνη των μικρών πόλεων, αυξάνοντας τις ανησυχίες σχετικά με την περιβαλλοντική επίδραση και τη μακροπρόθεσμη βιωσιμότητα.

Οι ερευνητές εκτιμούν ότι η επίτευξη του επόμενου σημαντικού βήματος στην απόδοση της τεχνητής νοημοσύνης θα απαιτήσει μια θεμελιωδώς διαφορετική προσέγγιση για το πώς οι μηχανές επεξεργάζονται τις πληροφορίες.

Αυτή η συνειδητοποίηση έχει οδηγήσει τους επιστήμονες να κοιτάξουν τη φύση για έμπνευση, εξετάζοντας βιολογικά και φυσικά συστήματα που έχουν εξελιχθεί κατά τη διάρκεια εκατομμυρίων ετών για να λύσουν σύνθετα προβλήματα με αξιοσημείωτη απόδοση.

Κατανόηση των Συνδεδεμένων Οσκιляторίων

Στην καρδιά του Un-0 βρίσκεται μια απίστευτα απλή έννοια που προέρχεται από τη φυσική: οι συνδεδεμένοι οσκιляторίες.

Για να κατανοήσετε αυτό, μπορείτε να φανταστείτε ένα ζευγάρι μετρονόμους, τις μηχανικές συσκευές που οι μουσικοί χρησιμοποιούν για να κρατήσουν τον ρυθμό. Αν δύο μετρονόμοι τοποθετηθούν στο ίδιο τραπέζι και οριστούν σε διαφορετικούς ρυθμούς, κάτι αξιοσημείωτο συμβαίνει. Μέσω των δονήσεων στην επιφάνεια κάτω από αυτούς, οι μετρονόμοι επηρεάζουν逐渐 τον εαυτό τους μέχρι να πέσουν τελικά σε συγχρονισμό, τικando σε ενότητα.

Αυτή η συγχρονισμός ακολουθεί ακριβείς μαθηματικούς κανόνες που έχουν μελετηθεί στη φυσική για περισσότερο από έναν αιώνα. Η αλληλεπίδραση μεταξύ των οσκιляторίων δημιουργεί μοτίβα οργάνωσης που αναπτύσσονται χωρίς εξωτερική κατεύθυνση ή έλεγχο, αυτοοργανώνονται.

Τώρα φανταστείτε να επεκτείνετε αυτή την έννοια δραματικά. Αντί για δύο μετρονόμους, εικονίστε χιλιάδες οσκιλλόμενες μονάδες, καθεμία από τις οποίες μπορεί να επηρεάσει κάθε άλλη μονάδα γύρω της.

Κάθε οσκιлятор έχει πολλές ιδιότητες: μια φυσική συχνότητα στην οποία θέλει να περιστραφεί, einen φάση γωνία που περιγράφει την τρέχουσα θέση του στο κύκλο οσκιλλώματος, και συνδέσεις με κάθε άλλη οσκιлятор που καθορίζουν πόσο ισχυρά επηρεάζει κάθε ζευγάρι.

Αυτές οι συνδέσεις, που ονομάζονται συνδεδεμένες ενδυναμώσεις, είναι τα στοιχεία που το Un-0 μαθαίνει κατά τη διάρκεια της εκπαίδευσης.

Αυτό το σύστημα αντανακλά μαθηματικά μοντέλα που ονομάζονται Κουραμότο οσκιлятор, που ονομάζονται από τον φυσικό Јошиκι Κουραμότο, ο οποίος μελέτησε τέτοια συστήματα πριν από δεκαετίες. Μέχρι πρόσφατα, αυτά τα μοντέλα παρέμειναν σε μεγάλο βαθμό θεωρητικά.

Το Un-0 αποδεικνύει ότι μπορούν να κλιμακωθούν για να αντιμετωπίσουν πρακτικά προβλήματα της τεχνητής νοημοσύνης σε ένα επίπεδο σοφιστικέ, που θεωρείτο προηγουμένως τομέας της συμβατικής βαθιάς μάθησης.

Απόδοση και Σύγκριση

Οι δοκιμές έχουν δείξει ότι το Un-0 επιτυγχάνει ποιότητα εικόνας συγκρίσιμη με τις ηγετικές μεθόδους γεννήτριας εικόνων της τεχνητής νοημοσύνης από αρκετά χρόνια πριν.

Σε ένα τυπικό σημείο αναφοράς που ονομάζεται ImageNet 64×64, το σύστημα πέτυχε ένα σκορ ποιότητας που αντιστοιχούσε στην απόδοση των εξέχοντων συμβατικών γεννητόρων όταν αυτά τα συστήματα δημοσιεύθηκαν για πρώτη φορά.

Αυτό αντιπροσωπεύει ούτε ήττα ούτε διάλυση. Αντίθετα, αποδεικνύει την αρχή αποδείξεως: συστήματα που βασίζονται σε φυσικές δυναμικές μπορούν να παράγουν εικόνες σε ένα επίπεδο ποιότητας που θεωρείτο προηγουμένως αποκλειστικό της βαθιάς μάθησης, ένα λεπτό που υποδηλώνει σημαντικό потенシャル για μελλοντική ανάπτυξη.

Οι ερευνητές αναγνωρίζουν ότι τα σημερινά συστήματα κατάστασης της τέχνης, τα οποία έχουν υποβληθεί σε χρόνια βελτίωσης, εξακολουθούν να υπερέχουν του Un-0. Ωστόσο, υπογραμμίζουν ότι οι συμβατικοί γεννήτορες εικόνων cũng ξεκίνησαν με скромní αποτελέσματα πριν από δεκαετίες βελτίωσης μετατρόπωσαν σε σοφιστικέ εργαλεία.

Γιατί Η Φυσική-Βασισμένη Υπολογιστική Μετράει

Η σημασία του Un-0 εκτείνεται πολύ πέρα από τη γεννήτρια εικόνων. Συστήματα που βασίζονται σε φυσικές δυναμικές που εκτελούν εργασίες της τεχνητής νοημοσύνης ενώ καταναλώνουν χιλιάδες φορές λιγότερη ενέργεια από τις συμβατικές προσεγγίσεις, οι επιπτώσεις θα ήταν μεταμορφωτικές.

Τέτοιες κέρδη απόδοσης θα μπορούσαν να επιτρέψουν τις εφαρμογές της τεχνητής νοημοσύνης να τρέχουν σε κινητές συσκευές, ενσωματωμένα συστήματα και απομακρυσμένες τοποθεσίες χωρίς πρόσβαση σε τεράστιους κέντρους δεδομένων.

Επιπλέον, τέτοια συστήματα μπορεί να υλοποιηθούν τελικά απευθείας σε φυσικό υλικό, τσιπ πυριτίου που σχεδιάζονται για να μιμούνται φυσικές φυσικές διαδικασίες αντί να εκτελούν προγραμματισμένες εντολές. Τέτοια “ατυχώς υποστρώματα”, όπως τα ονομάζουν οι ερευνητές, θα αντιπροσώπευαν μια πραγματικά διαφορετική種類 υπολογιστή.

Το Πλατύτερο Τοπίο

Το Un-0 δεν είναι η μόνη έρευνα που εξερευνά εναλλακτικές λύσεις για τις συμβατικές νευρωνικές δικτυώσεις.

Σε όλη την ακαδημία και τη βιομηχανία, οι επιστήμονες διερευνούν συστήματα που εμπνέονται από θερμοδυναμικές αρχές, αναλογικά κυκλώματα, κβαντική μηχανική και άλλα στοιχεία της φυσικής.

Αυτές οι προσεγγίσεις μοιράζονται μια κοινή мотивاسیون: οι συμβατικές προσεγγίσεις έχουν σχεδόν φτάσει τα πρακτικά τους όρια όσον αφορά την ενεργειακή απόδοση. Οι độtματικές προόδους μπορεί να απαιτούν την επανεξέταση του υπολογισμού selbst.

Η ερευνητική κοινότητα ασχολείται με αυτό που μπορεί να περιγραφεί ως ένα μεγάλο πρόκληση: μπορούμε να ξανασχεδιάσουμε τα συστήματα της τεχνητής νοημοσύνης για να συμμορφωθούν με τις αρχές που έχουν κυβερνήσει τα βιολογικά και φυσικά συστήματα για δισεκατομμύρια χρόνια; Αν επιτύχουμε, τέτοια επιτεύγματα θα αντιπροσώπευαν μια θεμελιώδη ανα概念 του τι είναι οι υπολογιστές και πώς λειτουργούν.

Τρέχουσες Περιορισμοί και Μελλοντικές Κατευθύνσεις

Το σύστημα Un-0 παραμένει πειραματικό. Λειτουργεί σε σχετικά χαμηλές ανάλυσεις εικόνων και δεν έχει ακόμη επιτύχει τα επίπεδα απόδοσης των πιο προηγμένων συστημάτων.

Παρά всю την πρόοδο που έχει επιτευχθεί, η διαδικασία εκπαίδευσης vẫn απαιτεί συμβατική υπολογιστική και σημαντικό χρόνο για να ολοκληρωθεί.

Οι ερευνητές έχουν δημοσιεύσει το έργο τους διαφανώς, κυκλοφορώντας κώδικα εκπαίδευσης και λεπτομερή ανάλυση των ευρημάτων τους, αντανακλώντας την πεποίθηση ότι αυτή η προσέγγιση αντιπροσωπεύει όχι μια ιδιοκτησιακή λύση αλλά μια νέα κατεύθυνση που πολλοί ερευνητές μπορούν να εξερευνήσουν και να βελτιώσουν.

Όσο τα συστήματα της τεχνητής νοημοσύνης γίνονται ολοένα και πιο κεντρικά στο σύγχρονο κοινωνικό σύστημα, η αναζήτηση για πιο αποτελεσματικές προσεγγίσεις υπολογισμού μεταφέρεται από ακαδημαϊκή περιέργεια σε πρακτική αναγκαιότητα. Το Un-0 αποτελεί απόδειξη ότι τουλάχιστον μια υποσχόμενη κατεύθυνση υπάρχει, και ότι η διερεύνηση της φυσικής-βασισμένης τεχνητής νοημοσύνης έχει μόλις αρχίσει.