גישור על הפער בין AI למחשוב נוירומורפי

בנוף המתפתח במהירות של בינה מלאכותית, החיפוש אחר חומרה שיכולה לעמוד בקצב הדרישות החישוביות המתפתחות הוא בלתי פוסק. פריצת דרך משמעותית במסע הזה הושגה באמצעות מאמץ שיתופי בראשות אוניברסיטת פרדו, לצד אוניברסיטת קליפורניה סן דייגו (UCSD) ו-École Supérieure de Physique et de Chimie Industrielles (ESPCI) בפריז. שיתוף פעולה זה מסמן התקדמות מרכזית בתחום המחשוב הנוירומורפי, גישה מהפכנית השואפת לחקות את המנגנונים של המוח האנושי בתוך ארכיטקטורת המחשוב.

האתגרים של חומרת AI נוכחית

ההתקדמות המהירה ב-AI הביאה אלגוריתמים ומודלים מורכבים, הדורשים רמה חסרת תקדים של כוח חישוב. עם זאת, ככל שאנו מעמיקים בתחומי הבינה המלאכותית, מתגלה אתגר בולט: חוסר ההתאמה של ארכיטקטורות מחשב הנוכחיות מבוססות סיליקון בהתאם לדרישות המתפתחות של טכנולוגיית הבינה המלאכותית.

אריקה קרלסון, פרופסור ליום השנה ה-150 לפיזיקה ואסטרונומיה באוניברסיטת פרדו, מבטאת את האתגר הזה בצורה תמציתית. היא מסבירה, "הקודים בהשראת המוח של מהפכת הבינה המלאכותית מופעלים ברובם על ארכיטקטורות מחשב סיליקון קונבנציונליות שלא תוכננו עבורה." תצפית זו מדגישה ניתוק מהותי בין החומרה הקיימת, המותאמת בעיקר למחשוב למטרות כלליות, לבין הצרכים המיוחדים של האלגוריתמים המתקדמים של AI.

חוסר ההתאמה הזה, כפי שמציין קרלסון, לא רק מצמצם את היישומים הפוטנציאליים של AI אלא גם מוביל לחוסר יעילות אנרגטית ניכר. שבבי סיליקון, האיתנים של העידן הדיגיטלי, אינם מתאימים באופן מהותי לעיבוד המקביל והמקושר שדורשים רשתות עצביות ומודלים של למידה עמוקה. יכולת העיבוד הליניארית והרציפה של מעבדים מסורתיים (יחידות עיבוד מרכזיות) ו-GPUs (יחידות עיבוד גרפיות) עומדת בניגוד מוחלט לדרישות של חישובי AI מתקדמים.

נחשף מחשוב נוירומורפי

מאמץ המחקר השיתופי הגיע לשיאו בפריצת דרך משמעותית, כפי שמפורט במחקרם "זיכרון היפוך רמפה בחלוקה מרחבית ב-VO2." מחקר זה מבשר גישה חדשה לחומרת מחשוב, בהשראת הפעולות הסינפטיות של המוח האנושי.

מרכזי בפריצת הדרך הזו הוא הרעיון של מחשוב נוירומורפי. בניגוד לארכיטקטורות מחשוב מסורתיות, מחשוב נוירומורפי שואף לחקות את המבנה והפונקציונליות של המוח האנושי, במיוחד תוך התמקדות בנוירונים ובסינפסות. נוירונים הם התאים המעבירים מידע במוח, וסינפסות הן הפערים המאפשרים לאותות לעבור מנוירון אחד למשנהו. במוח ביולוגי, סינפסות אלו הן קריטיות לקידוד זיכרון.

החידוש של הצוות טמון בשימוש בתחמוצות ונדיום, חומרים המתאימים באופן ייחודי ליצירת נוירונים מלאכותיים וסינפסות. בחירת החומר הזו מייצגת חריגה משמעותית מגישות קונבנציונליות מבוססות סיליקון, המגלמת את המהות של ארכיטקטורה נוירומורפית - שכפול של התנהגות דמוית מוח בתוך שבבי מחשוב.

יעילות אנרגטית ומחשוב משופר

ההשלכות של פריצת דרך זו מרחיקות לכת, במיוחד במונחים של יעילות אנרגטית ויכולות חישוביות. קרלסון מרחיב את היתרונות הפוטנציאליים, וקובע, "ארכיטקטורות נוירומורפיות טומנות בחובן הבטחה למעבדי צריכת אנרגיה נמוכה יותר, חישוב משופר, מצבי חישוב שונים מהותית, למידה מקורית וזיהוי דפוסים משופר." המעבר הזה לעבר מחשוב נוירומורפי יכול להגדיר מחדש את הנוף של חומרת בינה מלאכותית, ולהפוך אותה ליותר קיימא ויעילה.

אחד היתרונות המשכנעים ביותר של מחשוב נוירומורפי הוא ההבטחה שלו להפחית משמעותית את עלויות האנרגיה הכרוכות באימון מודלים של שפות גדולות כמו ChatGPT. צריכת האנרגיה הגבוהה הנוכחית של מודלים כאלה מיוחסת במידה רבה לדיסוננס בין חומרה לתוכנה - פער שהמחשוב הנוירומורפי שואף לגשר עליו. על ידי חיקוי המרכיבים הבסיסיים של המוח, ארכיטקטורות אלו מספקות דרך טבעית ויעילה יותר למערכות AI לעבד וללמוד מהנתונים.

יתר על כן, קרלסון מצביע על המגבלות של סיליקון בשכפול התנהגות דמוית נוירונים, היבט קריטי לקידום חומרת בינה מלאכותית. ארכיטקטורות נוירומורפיות, עם יכולתן לחקות גם סינפסות וגם נוירונים, עומדות לחולל מהפכה באופן שבו מערכות AI מתפקדות, ומתקרבות למודל שדומה יותר לתהליכים קוגניטיביים אנושיים.

מרכיב מרכזי במחקר זה הוא השימוש החדשני בתחמוצות ונדיום. חומר זה הראה הבטחה גדולה להדמיית תפקודי הנוירונים והסינפסות של המוח האנושי. אלכסנדר צימרס, מדען ניסויי מוביל מאוניברסיטת סורבון ו-ESPCI, מדגיש את פריצת הדרך ואומר, "בדו תחמוצת הונדיום, ראינו כיצד הוא מתנהג כמו סינפסה מלאכותית, קפיצה משמעותית בהבנה שלנו."

המחקר של הצוות הוביל לדרך פשוטה ויעילה יותר לאחסן זיכרון, בדומה לאופן שבו פועל המוח האנושי. על ידי התבוננות כיצד תחמוצת ונדיום מתנהג בתנאים שונים, הם גילו שהזיכרון לא מאוחסן רק בחלקים מבודדים של החומר אלא מתפשט לכל אורכו. התובנה הזו היא חיונית מכיוון שהיא מציעה דרכים חדשות לתכנן ולבנות מכשירים נוירומורפיים, שיכולים לעבד מידע בצורה יעילה ויעילה יותר כמו המוח האנושי.

קידום מחשוב נוירומורפי

בהתבסס על הממצאים פורצי הדרך, צוות המחקר כבר מתווה את המסלול לשלב הבא של עבודתם. עם היכולת המבוססת לצפות בשינויים בתוך החומר הנוירומורפי, הם מתכננים להתנסות נוספת על ידי התאמה מקומית של תכונות החומר. צימרס מסביר את הפוטנציאל של גישה זו: "זה יכול לאפשר לנו להנחות את הזרם החשמלי דרך אזורים ספציפיים בדגימה שבהם אפקט הזיכרון הוא במקסימום, ולשפר משמעותית את ההתנהגות הסינפטית של החומר הנוירומורפי הזה."

כיוון זה פותח אפשרויות מרגשות לעתיד של מחשוב נוירומורפי. על ידי חידוד השליטה והמניפולציה של חומרים אלה, החוקרים שואפים ליצור מכשירים נוירומורפיים יעילים ויעילים יותר. התקדמות כזו יכולה להוביל לחומרה המסוגלת לחקות יותר את המורכבות של המוח האנושי, ולסלול את הדרך למערכות AI מתוחכמות וחסכוניות יותר באנרגיה.