Calculatoare Neuromorfice Eficiente din Punct de Vedere Energetic: O Nouă Zi cu Calculatoarele Neuromorfice

Domeniul în expansiune rapidă al inteligenței artificiale (IA) 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 IA într-un mod mai eficient, ceea ce ar putea revoluționa modul în care IA procesează datele.

Modelele actuale de IA consumă cantități uriașe de energie în timpul antrenamentului. Deși cifrele exacte sunt greu de găsit, estimările realizate de Statista sugerează că antrenamentul GPT-3 necesită aproximativ 1000 de megawați-oră – echivalentul consumului anual al a 200 de gospodării germane de dimensiuni considerabile. În timp ce acest antrenament intensiv a perfecționat GPT-3 pentru a prezice secvențe de cuvinte, există un consens că nu a înțeles încă sensurile intrinseci ale unor astfel de fraze.

Calcul Neuromorphic: Combinarea Creierului și a Mașinii

În timp ce sistemele convenționale de IA se bazează pe rețele neuronale artificiale digitale, viitorul poate fi în calculul neuromorphic. Florian Marquardt, director la Institutul Max Planck și profesor la Universitatea din Erlangen, a explicat dezavantajul configurațiilor tradiționale de IA.

“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 neuromorphic se inspiră din creierul uman, procesând datele în paralel, mai degrabă decât secvențial. 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 IA cu Mașini Fizice Autoînvățate

Lucrând alături de studentul doctoral Víctor López-Pastor, Marquardt a introdus o metodă inovatoare de antrenament pentru calculatoarele neuromorfice. “Mașina fizică autoînvățată” 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 afirmat Marquardt, trasând o distincție între acțiunile liniare și neliniare.

Înspre Implementarea Practică

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

“Sperăm să prezentăm prima mașină fizică autoînvățată în trei ani”, a proiectat Marquardt, indicând faptul 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 IA și ineficiențele intrinseci ale configurațiilor actuale, trecerea către calculatoare neuromorfice antrenate eficient pare atât inevitabilă, cât și promițătoare.

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