Чому аналоговий AI може бути майбутнім енергоефективних обчислень

Штучний інтелект революціонізував наш спосіб життя, забезпечуючи інструменти та послуги, на які ми щодня покладаємося. Від чат-ботів до розумних пристроїв, більшість цього прогресу відбувається завдяки цифровому AI. Воно неймовірно потужне, обробляє величезні обсяги даних для отримання вражаючих результатів. Але ця потужність має суттєву ціну: енергоспоживання. Цифровий AI вимагає величезної обчислювальної потужності, споживаючи значну кількість енергії та генеруючи тепло. Коли системи AI зростають, ця енергетична проблема стає все важче ігнорувати.

Аналоговий AI може бути відповіддю. Працюючи з безперервними сигналами, він обіцяє більш ефективний та сталійший шлях вперед. Давайте дослідимо, як він міг би вирішити цю зростаючу проблему.

Енергетична проблема в цифровому AI

Кожного разу, коли ви взаємодієте з чат-ботом або передаєте плейлист, який керується рекомендаціями, десь є комп’ютер, який обробляє дані. Для цифрових систем AI це означає обробку мільярдів або навіть трильйонів чисел. Ці системи використовують так званий двійковий код – 0 та 1 – для представлення та маніпулювання даними. Це перевірений метод, але він неймовірно енергозатратний.

Моделі AI, особливо складні, вимагають величезної обчислювальної потужності. Наприклад, моделі глибокого навчання включають виконання розрахунків на величезних наборах даних протягом днів, іноді тижнів. Одне тренувальне сесія може використати таку ж кількість електроенергії, як цілий місто за один день. І це лише тренування. Після того, як ці моделі розгорнуті, їм все ще потрібна потужність для виконання завдань, таких як розпізнавання мови, рекомендація фільмів або керування роботами.

Спожитана енергія не просто зникає. Вона перетворюється на тепло. Тому ви знайдете величезні системи охолодження в центрах обробки даних. Ці системи утримують апаратне забезпечення від перегріву, але додають ще один рівень енергоспоживання. Це цикл, який стає неустойчивим.

Системи AI також повинні діяти швидко, оскільки їх тренування потребує багатьох спроб і експериментів. Кожний крок перевіряє різні налаштування, конструкції або дані, щоб знайти те, що працює найкраще. Цей процес може зайняти багато часу, якщо система повільна. Більш швидке оброблення прискорює ці кроки, допомагаючи дослідникам регулювати моделі, виправляти проблеми та готувати їх до реального використання швидше.

Але цифрові системи не побудовані для цього типу швидкості. Проблема полягає в тому, як вони обробляють дані. Інформація повинна постійно рухатися туди й назад між пам’яттю (де вона зберігається) та процесорами (де вона аналізується). Це туди й назад створює瓶 cổ, сповільнюючи все та споживаючи ще більше потужності.

Інша проблема полягає в тому, що цифрові системи природно побудовані для виконання завдань один за одним. Це послідовне оброблення сповільнює все, особливо з величезними обсягами даних, які моделі AI повинні обробляти. Процесори, такі як GPU та TPU, допомогли, дозволяючи паралельне оброблення, де багато завдань виконуються одночасно. Але навіть ці вдосконалені чіпи мають свої обмеження.

Проблема полягає в тому, як цифрові технології покращуються. Вони покладаються на стискання більше транзисторів у менші та менші чіпи. Але оскільки моделі AI зростають, ми витрачаємо місце для цього. Чіпи вже настільки малі, що зробити їх меншими стає все більш дорогим та важким для досягнення. І менші чіпи мають свою власну проблему. Вони генерують більше тепла та витрачають енергію, роблячи його важким для балансування швидкості, потужності та ефективності. Цифрові системи починають натикатися на стіну, а зростаючі вимоги AI роблять її ще важчою для підтримки.

Чому аналоговий AI може бути рішенням

Аналоговий AI пропонує новий спосіб вирішення енергетичних проблем цифрового AI. Замість використання 0 та 1, він використовує безперервні сигнали. Це ближче до того, як працюють природні процеси, де інформація тече гладко. Оминаючи крок перетворення всього в двійковий код, аналоговий AI використовує набагато менше потужності.

Одна з його найбільших переваг полягає в тому, що він поєднує пам’ять та оброблення в одному місці. Цифрові системи постійно переміщують дані між пам’яттю та процесорами, що споживає енергію та генерує тепло. Аналоговий AI виконує розрахунки прямо там, де зберігаються дані. Це зберігає енергію та уникнення проблем з теплом, з якими стикаються цифрові системи.

Він також швидший. Без усіх туди й назад рухів даних завдання виконуються швидше. Це робить аналоговий AI ідеальним для таких речей, як самоходи, де швидкість критична. Він також добре підходить для виконання багатьох завдань одночасно. Цифрові системи або обробляють завдання один за одним, або потребують додаткових ресурсів для паралельного виконання. Аналогові системи побудовані для багатозадачності. Нейроморфні чіпи, натхнені мозком, обробляють інформацію через тисячі вузлів одночасно. Це робить їх високо ефективними для завдань, таких як розпізнавання зображень або мови.

Аналоговий AI не залежить від стискання транзисторів для покращення. Замість цього він використовує нові матеріали та конструкції для виконання розрахунків унікальними способами. Деякі системи навіть використовують світло замість електроенергії для обробки даних. Ця гнучкість уникнення фізичних та технічних обмежень, з якими стикається цифровая технологія.

Вирішуючи енергетичні та ефективні проблеми цифрового AI, аналоговий AI пропонує спосіб продовжувати розвиток без витрачання ресурсів.

Виклики аналогового AI

Хоча аналоговий AI має багато обіцянок, він не позбавлений викликів. Одним з найбільших перешкод є надійність. На відміну від цифрових систем, які можуть легко перевірити точність своїх операцій, аналогові системи більш схильні до шуму та помилок. Незначні відхилення напруги можуть привести до неточностей, і важче виправити ці проблеми.

Виробництво аналогових схем також більш складне. Оскільки вони не працюють з простими ввімкненими чи вимкненими станами, важче проектувати та виробляти аналогові чіпи, які працюють послідовно. Але досягнення в галузі матеріалознавства та проектування схем починають подолати ці проблеми. Мемрістори, наприклад, стають більш надійними та стабільними, роблячи їх життєздатним варіантом для аналогового AI.

Резюме

Аналоговий AI може бути розумнішим способом зробити обчислення більш енергоефективними. Він поєднує оброблення та пам’ять в одному місці, працює швидше та обробляє декілька завдань одночасно. На відміну від цифрових систем, він не залежить від стискання чіпів, що стає все важчім для виконання. Замість цього він використовує інноваційні конструкції, які уникнення багатьох енергетичних проблем, які ми бачимо сьогодні.

Є ще виклики, такі як підтримання точності аналогових систем та забезпечення надійності технології. Але з подальшими вдосконаленнями аналоговий AI має потенціал доповнити або навіть замінити цифрові системи в деяких областях. Це цікавий крок до створення AI, який буде як потужним, так і сталійним.