エネルギー効率の高いAI: ニューロモルフィックコンピュータによる新時代

急速に成長している人工知能（AI）の分野は、性能では有名ですが、多大なエネルギー代償を伴います。マックス・プランク研究所の2人の先駆的な科学者によって提案された新しいアプローチは、AIをより効率的にトレーニングすることを目的としており、AIがデータを処理する方法を革命的に変える可能性があります。

現在のAIモデルは、トレーニング中に大量のエネルギーを消費します。正確な数字は不明ですが、Statistaの推定によると、GPT-3のトレーニングには約1000メガワット時が必要で、これは200世帯のドイツ家庭が1年間で消費するエネルギーに相当します。エネルギー集約型のトレーニングにより、GPT-3は単語の順序を予測するように微調整されていますが、専門家の間では、GPT-3がそれらのフレーズの意味を理解していないという合意があります。

ニューロモルフィックコンピューティング：脳とマシンの融合

従来のAIシステムはデジタル人工ニューラルネットワークに依存していますが、将来はニューロモルフィックコンピューティングが主流になる可能性があります。フロリアン・マルクワルトは、マックス・プランク研究所のディレクターであり、エアランゲン大学の教授です。マルクワルトは、従来のAI設定の欠点を説明しています。

“プロセッサとメモリ間のデータ転送だけで多大なエネルギーを消費する”とマルクワルトは強調し、大規模なニューラルネットワークをトレーニングする際の非効率性を指摘しています。

ニューロモルフィックコンピューティングは、人間の脳からインスピレーションを得て、データを並列的に処理します。基本的に、脳のシナプスはプロセッサとメモリの両方として機能します。光を使用した計算を行う光子回路などのシステムは、これらの特性を模倣しています。

自己学習物理マシンを使用したAIのトレーニング

マルクワルトは、博士課程の学生であるビクトル・ロペス・パストルと共同で、ニューロモルフィックコンピューターの新しいトレーニング方法を導入しました。彼らの「自己学習物理マシン」は、外部のフィードバックを必要とせずに、基本的な物理プロセスを通じてパラメータを最適化します。 “このフィードバックを必要としないことは、トレーニングをはるかに効率的にします”とマルクワルトは強調し、この方法がエネルギーと計算時間の両方を節約することを示唆しています。

しかし、この革新的なテクノロジーには特定の要件があります。プロセスは可逆的でなければならず、エネルギー損失を最小限に抑える必要があります。また、十分に複雑または非線形でなければなりません。 “非線形プロセスのみが、入力データと結果の間の複雑な変換を実行できます”とマルクワルトは述べ、線形と非線形のアクションを区別しています。

実用的な実装に向けて

このデュオの理論的基礎は、実用的な応用と一致しています。実験チームと共同して、彼らは超音波を重ねた光を使用して情報を処理する光学的ニューロモルフィックコンピューターを開発中です。彼らの目標は明確です：自己学習物理マシンの概念を実現すること。

“私たちは3年以内に最初の自己学習物理マシンを発表することを希望しています”とマルクワルトは予測し、これらの将来のネットワークは現代のシステムよりも多くのデータを処理し、より大きなデータセットでトレーニングされるだろうと示唆しています。AIの需要が高まり、現在の設定の固有の非効率性を考えると、効率的にトレーニングされたニューロモルフィックコンピュータへの移行は不可避的であり、約束的であると考えられます。

マルクワルトの言葉を借りて言うと、”私たちは自己学習物理マシンが人工知能の進化の中で確固たる立場を占めることができると自信を持っています”。科学界とAIの愛好家は、将来が何をもたらすかを心を躍らせながら待ち望んでいます。