Inteligență Artificială Eficientă din Punct de Vedere Energetic: O Nouă Zi cu Calculatoare Neuromorfice

Domeniul în creștere rapidă al inteligenței artificiale (AI) este renumit pentru performanța sa, dar vine la un cost energetic substanțial. O abordare nouă, propusă de doi oameni de știință de frunte de la Institutul Max Planck pentru Știința Luminii din Erlangen, Germania, are ca scop antrenarea inteligenței artificiale într-un mod mai eficient, ceea ce ar putea revoluționa modul în care inteligența artificială procesează datele.

Modelele actuale de inteligență artificială consumă cantități uriașe de energie în timpul antrenamentului. Deși cifrele exacte sunt greu de găsit, estimările Statista sugerează că antrenamentul GPT-3 necesită aproximativ 1000 de megawatt ore – echivalent cu consumul anual al a 200 de gospodării germane de dimensiuni mari. În timp ce acest antrenament intensiv pe baza energiei a perfecționat GPT-3 pentru a prezice secvențe de cuvinte, există un consens că nu a înțeles în mod fundamental sensurile intrinseci ale acestor fraze.

Calcul Neuromorfic: Îmbinarea Creierului și a Mașinii

În timp ce sistemele convenționale de inteligență artificială se bazează pe rețele neuronale artificiale digitale, viitorul ar putea să se afle în calculul neuromorfic. Florian Marquardt, director la Institutul Max Planck și profesor la Universitatea din Erlangen, a explicat dezavantajul configurațiilor tradiționale de inteligență artificială.

“Transferul de date între procesor și memorie consumă singur o cantitate semnificativă de energie”, a subliniat Marquardt, notând ineficiențele în timpul antrenamentului unor rețele neuronale uriașe.

Calculul neuromorfic se inspiră din creierul uman, procesând datele în paralel, mai degrabă decât în secvență. Esențial, sinapsele din creier funcționează atât ca procesor, cât și ca memorie. Sistemele care imită aceste caracteristici, cum ar fi circuitele fotice care utilizează lumina pentru calcule, sunt în prezent în curs de explorare.

Antrenarea Inteligenței Artificiale cu Mașini Fizice Auto-Învățătoare

Lucrând alături de studentul doctoral Víctor López-Pastor, Marquardt a prezentat o metodă inovatoare de antrenament pentru calculatoarele neuromorfice. “Mașina fizică auto-învățătoare” optimizează fundamental parametrii săi prin intermediul unui proces fizic intrinsec, făcând feedback-ul extern redundant. “Faptul că nu necesită acest feedback face antrenamentul mult mai eficient”, a subliniat Marquardt, sugerând că această metodă ar economisi atât energie, cât și timp de calcul.

Cu toate acestea, această tehnică revoluționară are anumite cerințe. Procesul trebuie să fie reversibil, asigurând o pierdere minimă de energie, și suficient de complex sau neliniar. “Numai procesele neliniare pot executa transformările complexe între datele de intrare și rezultate”, a declarat Marquardt, trasând o distincție între acțiunile liniare și neliniare.

Spre Implementarea Practică

Baza teoretică a duo-ului se aliniază cu aplicațiile practice. Colaborând cu o echipă experimentală, ei avansează un calculator neuromorfic optic care procesează informații utilizând unde de lumină suprapuse. Obiectivul lor este clar: concretizarea conceptului de mașină fizică auto-învățătoare.

“Sperăm să prezentăm prima mașină fizică auto-învățătoare în trei ani”, a proiectat Marquardt, indicând că aceste rețele viitoare vor gestiona mai multe date și vor fi antrenate cu seturi de date mai mari decât sistemele contemporane. Având în vedere cererile în creștere pentru inteligența artificială și ineficiențele intrinseci ale configurațiilor actuale, schimbarea către calculatoare neuromorfice antrenate în mod eficient pare atât inevitabilă, cât și promițătoare.

În cuvintele lui Marquardt, “Suntem încrezători că mașinile fizice auto-învățătoare au șanse solide în evoluția continuă a inteligenței artificiale.” Comunitatea științifică și entuziaștii inteligenței artificiale așteaptă cu sufletul la gură ce va aduce viitorul.