Fizica ar putea transforma calculatoarele și inteligența artificială pentru totdeauna

Într-o abordare care se departează de tradiția computațională a deceniilor trecute, o echipă de cercetători de la Unconventional AI a dezvoltat o metodă pentru generarea de imagini care se bazează nu pe cipuri de siliciu și curent electric care alimentează sistemele actuale de inteligență artificială, ci pe principiile fundamentale ale fizicii înseși.

Sistemul, numit Un-0, reprezintă o filozofie emergentă în dezvoltarea inteligenței artificiale: în loc de a construi rețele de calcul mai mari și mai complexe, oamenii de știință explorează dacă modelele matematice găsite în natură pot efectua același lucru computațional, folosind aproximativ 1000 de ori mai puțină energie.

Energie și Eficiență

Sistemele de inteligență artificială care au dominat peisajul tehnologic, cum ar fi rețelele neuronale, modelele de limbaj și algoritmii de recomandare, necesită cantități uriașe de energie pentru a funcționa.

Centrele de date care găzduiesc aceste sisteme consumă energie echivalentă cu cea a unor orașe mici, ridicând îngrijorări atât cu privire la impactul asupra mediului, cât și la sustenabilitatea pe termen lung.

Cercetătorii estimează că pentru a obține următorul salt semnificativ în eficiența inteligenței artificiale, va fi necesară o abordare fundamental diferită a modului în care mașinile procesează informații.

Această realizare a determinat oamenii de știință să caute inspirație în natură, examinând sisteme biologice și fizice care au evoluat de-a lungul mileniilor pentru a rezolva probleme complexe cu o eficiență remarcabilă.

Înțelegerea Oscilatorilor Cuplați

La baza Un-0 se află un concept aparent simplu, dar inspirat din fizică: oscilatorii cuplați.

Pentru a înțelege acest lucru, se poate imagina un metronom, dispozitivul mecanic pe care muzicienii îl folosesc pentru a ține timpul. Dacă două metronome sunt plasate pe aceeași masă și setate la tempi diferiți, se întâmplă ceva remarcabil. Prin vibrații în suprafața de sub ele, metronomele influențează treptat una alteia, până când, în cele din urmă, intră în sincronizare, bătând în unison.

Acest fenomen de sincronizare urmează principii matematice precise care au fost studiate în fizică de peste un secol. Interacțiunea dintre oscilatori creează modele de organizare care apar fără nicio direcție sau control extern, ele se organizează singure.

Acum, imaginați-vă extinderea acestui concept în mod dramatic. În loc de două metronome, imaginați-vă mii de unități oscilante, fiecare capabilă să influențeze fiecare altă unitate din jurul său.

Fiecare oscilator are mai multe proprietăți: o frecvență naturală la care vrea să se rotească, un unghi de fază care descrie poziția sa curentă în ciclul său de oscilație și conexiuni cu fiecare alt oscilator care determină cât de puternic influențează fiecare pereche una pe alta.

Aceste conexiuni, numite puteri de cuplare, sunt aspectele pe care Un-0 le învață în timpul antrenamentului.

Acest sistem reflectă modele matematice cunoscute sub numele de oscilatori Kuramoto, numiți după fizicianul Yoshiki Kuramoto, care a studiat astfel de sisteme cu decenii în urmă. Până de curând, aceste modele au rămas în mare parte teoretice.

Un-0 demonstrează că ele pot fi extinse pentru a aborda probleme practice de inteligență artificială la un nivel de sofisticare considerat anterior a fi domeniul exclusiv al învățării profunde convenționale.

Performanță și Comparație

Testele au arătat că Un-0 atinge o calitate a imaginilor comparabilă cu cea a metodelor de generare de imagini de inteligență artificială lider din ultimii ani.

La o benchmark standard numită ImageNet 64×64, sistemul a obținut un scor de calitate care a egalat performanța generatorilor convenționali proeminenți atunci când aceste sisteme au fost publicate pentru prima dată.

Acest lucru reprezintă nici o înfrângere, nici o descoperire. Mai degrabă, demonstrează o dovadă de principiu: sistemele bazate pe dinamica fizică pot genera imagini la un nivel de calitate considerat anterior exclusiv al învățării profunde, un detaliu care sugerează un potențial semnificativ pentru dezvoltarea viitoare.

Cercetătorii recunosc că sistemele actuale de ultimă generație, care au beneficiat de ani de rafinare, încă depășesc Un-0. Cu toate acestea, ei subliniază că generatorii convenționali de imagini au început și ei cu rezultate modeste, înainte de a fi transformați, după decenii de optimizare, în instrumentele sofisticate de astăzi.

De ce Calculul Bazat pe Fizică Este Important

Semnificația Un-0 se extinde mult dincolo de generarea de imagini. Sistemele bazate pe dinamica fizică care efectuează sarcini de inteligență artificială, consumând o mie de ori mai puțină energie decât abordările convenționale, ar avea implicații transformatoare.

Astfel de câștiguri de eficiență ar putea permite aplicațiilor de inteligență artificială să ruleze pe dispozitive mobile, sisteme înglobate și locații remote fără acces la centre de date masive.

Mai mult, aceste sisteme ar putea fi, în cele din urmă, implementate direct în hardware fizic, cipuri de siliciu proiectate pentru a simula procese fizice naturale, în loc de a executa instrucțiuni programate. Astfel de “substrate neconvenționale”, așa cum le numesc cercetătorii, ar reprezenta un tip cu adevărat diferit de calculator.

Peisajul Mai Larg

Un-0 nu este singura inițiativă de cercetare care explorează alternativele la rețelele neuronale convenționale.

În întreaga academie și industrie, oamenii de știință examinează sisteme inspirate din principiile termodinamice, circuite analogice, mecanica cuantică și alte aspecte ale fizicii.

Aceste abordări au o motivație comună: abordările convenționale au ajuns aproape la limitele lor practice în ceea ce privește eficiența energetică. Progresele semnificative pot necesita o reevaluare a modului în care calculatoarele procesează informații.

Comunitatea de cercetare este implicată în ceea ce poate fi descris ca o provocare majoră: putem redesena sistemele de inteligență artificială pentru a se alinia cu principiile care au guvernat sistemele biologice și fizice de-a lungul miliardelor de ani? Dacă va reuși, un astfel de realizare va reprezenta o reconceptualizare fundamentală a ceea ce reprezintă calculatoarele și cum funcționează.

Limitări Actuale și Direcții Viitoare

Sistemul Un-0 rămâne experimental. Funcționează la rezoluții de imagine relativ modeste și nu a atins încă nivelurile de performanță ale sistemelor actuale de ultimă generație.

În ciuda tuturor progreselor realizate, procesul de antrenament necesită încă calculatoare convenționale și un timp substanțial pentru a fi finalizat.

Cercetătorii și-au publicat lucrarea în mod transparent, lansând codul de antrenament și analiza detaliată a rezultatelor, reflectând convingerea că această abordare reprezintă nu o soluție proprietară, ci o nouă direcție pe care mulți cercetători o pot explora și rafina.

Pe măsură ce sistemele de inteligență artificială devin din ce în ce mai centrale pentru societatea modernă, căutarea unor abordări de calcul mai eficiente trece de la curiozitate academică la necesitate practică. Un-0 stă ca dovadă că cel puțin o direcție promițătoare există și că investigarea inteligenței artificiale bazate pe fizică abia a început.