Vật lý có thể biến đổi máy tính và trí tuệ nhân tạo mãi mãi

Trong một sự thay đổi so với truyền thống tính toán trong nhiều thập kỷ, một nhóm các nhà nghiên cứu tại Unconventional AI đã phát triển một phương pháp để tạo ra hình ảnh dựa trên các nguyên tắc cơ bản của vật lý chứ không phải trên các con chip silicon và dòng điện mà các hệ thống trí tuệ nhân tạo hiện đại sử dụng.

Hệ thống, được gọi là Un-0, đại diện cho một triết lý mới nổi trong phát triển trí tuệ nhân tạo: thay vì xây dựng các mạng máy tính lớn và phức tạp hơn, các nhà khoa học đang khám phá liệu các mẫu toán học trong tự nhiên có thể thực hiện cùng một công việc tính toán trong khi sử dụng ít năng lượng hơn khoảng 1000 lần.

Năng lượng và Hiệu suất

Các hệ thống trí tuệ nhân tạo đã thống trị cảnh quan công nghệ, chẳng hạn như mạng nơ-ron, mô hình ngôn ngữ và thuật toán khuyến nghị, yêu cầu một lượng năng lượng khổng lồ để hoạt động.

Các trung tâm dữ liệu chứa các hệ thống này tiêu thụ năng lượng tương đương với năng lượng của các thành phố nhỏ, gây ra lo ngại về cả tác động môi trường và tính bền vững lâu dài.

Các nhà nghiên cứu ước tính rằng để đạt được bước đột phá tiếp theo trong hiệu suất trí tuệ nhân tạo sẽ yêu cầu một cách tiếp cận khác biệt về cơ bản về cách máy tính xử lý thông tin.

Điều này đã thúc đẩy các nhà khoa học tìm kiếm nguồn cảm hứng từ tự nhiên, nghiên cứu các hệ thống sinh học và vật lý đã tiến hóa trong hàng triệu năm để giải quyết các vấn đề phức tạp với hiệu suất đáng kinh ngạc.

Hiểu về Các Dao động Kết hợp

Ở trung tâm của Un-0 là một khái niệm đơn giản nhưng tinh tế được rút ra từ vật lý: các dao động kết hợp.

Để hiểu điều này, người ta có thể tưởng tượng một cặp metronome, các thiết bị cơ học mà các nhạc sĩ sử dụng để giữ nhịp. Nếu hai metronome được đặt trên cùng một bàn và đặt ở các nhịp độ khác nhau, điều gì đó đáng chú ý sẽ xảy ra. Thông qua rung động trên bề mặt dưới chúng, các metronome dần dần ảnh hưởng đến nhau cho đến khi cuối cùng chúng rơi vào sự đồng bộ, nhịp nhàng.

Sự đồng bộ này tuân theo các nguyên tắc toán học chính xác đã được nghiên cứu trong vật lý trong hơn một thế kỷ. Sự tương tác giữa các dao động tạo ra các mẫu tổ chức xuất hiện mà không cần hướng dẫn hoặc kiểm soát bên ngoài, chúng tự tổ chức.

Bây giờ hãy tưởng tượng mở rộng khái niệm này một cách đáng kể. Thay vì hai metronome, hãy hình dung hàng nghìn đơn vị dao động, mỗi đơn vị có khả năng ảnh hưởng đến mọi đơn vị khác xung quanh nó.

Mỗi dao động có một số thuộc tính: tần số tự nhiên mà nó muốn quay, góc pha mô tả vị trí hiện tại của nó trong chu kỳ dao động và các kết nối với mọi dao động khác xác định mức độ ảnh hưởng của từng cặp.

Các kết nối này, được gọi là cường độ kết hợp, là những khía cạnh mà Un-0 học được trong quá trình đào tạo.

Hệ thống này phản ánh các mô hình toán học được gọi là dao động Kuramoto, được đặt theo tên của nhà vật lý Yoshiki Kuramoto, người đã nghiên cứu các hệ thống như vậy nhiều thập kỷ trước. Cho đến gần đây, những mô hình này vẫn còn chủ yếu là lý thuyết.

Un-0 chứng minh rằng chúng có thể được mở rộng để giải quyết các vấn đề trí tuệ nhân tạo thực tế ở mức độ tinh vi trước đây được coi là thuộc về học sâu truyền thống.

Hiệu suất và So sánh

Các thử nghiệm đã chỉ ra rằng Un-0 đạt được chất lượng hình ảnh tương đương với các phương pháp tạo hình ảnh trí tuệ nhân tạo hàng đầu từ vài năm trước.

Trên một tiêu chuẩn đánh giá gọi là ImageNet 64×64, hệ thống đạt được điểm chất lượng khớp với hiệu suất của các máy tạo hình ảnh truyền thống khi những hệ thống đó lần đầu tiên được công bố.

Điều này không đại diện cho thất bại hay đột phá. Thay vào đó, nó chứng minh nguyên tắc hoạt động: các hệ thống dựa trên động lực học vật lý có thể tạo ra hình ảnh với chất lượng trước đây được coi là độc quyền của học sâu, một chi tiết cho thấy tiềm năng đáng kể cho sự phát triển trong tương lai.

Các nhà nghiên cứu thừa nhận rằng các hệ thống hiện tại hàng đầu, đã được tinh chỉnh trong nhiều năm, vẫn vượt trội so với Un-0. Tuy nhiên, họ chỉ ra rằng các máy tạo hình ảnh truyền thống cũng bắt đầu với kết quả khiêm tốn trước khi nhiều thập kỷ tối ưu hóa biến chúng thành những công cụ tinh vi ngày nay.

Tại sao Máy tính dựa trên Vật lý lại Quan trọng

Tầm quan trọng của Un-0 mở rộng ra ngoài việc tạo hình ảnh. Các hệ thống dựa trên động lực học vật lý thực hiện các nhiệm vụ trí tuệ nhân tạo trong khi tiêu thụ ít năng lượng hơn khoảng 1000 lần so với các phương pháp truyền thống, những hệ quả sẽ là biến đổi.

Các lợi ích về hiệu suất này có thể cho phép các ứng dụng trí tuệ nhân tạo chạy trên thiết bị di động, hệ thống nhúng và các vị trí từ xa mà không cần truy cập vào các trung tâm dữ liệu lớn.

Hơn nữa, những hệ thống này có thể cuối cùng được thực hiện trực tiếp trong phần cứng vật lý, các con chip silicon được thiết kế để mô phỏng các quá trình vật lý tự nhiên thay vì thực thi các lệnh được lập trình. Những “phương tiện không truyền thống” này, như các nhà nghiên cứu gọi chúng, sẽ đại diện cho một loại máy tính thực sự khác.

Cảnh quan Mở rộng

Un-0 không phải là nỗ lực nghiên cứu duy nhất khám phá các phương pháp thay thế cho các mạng nơ-ron truyền thống.

Khắp các trường đại học và ngành công nghiệp, các nhà khoa học đang điều tra các hệ thống lấy cảm hứng từ các nguyên tắc nhiệt động lực học, mạch tương tự, cơ học lượng tử và các khía cạnh khác của vật lý.

Các phương pháp này chia sẻ một động lực chung: các phương pháp truyền thống đã gần đạt đến giới hạn thực tế về hiệu suất năng lượng. Những tiến bộ đột phá có thể yêu cầu phải suy nghĩ lại bản thân quá trình tính toán.

Cộng đồng nghiên cứu đang tham gia vào những gì có thể được mô tả là một thách thức lớn: chúng ta có thể thiết kế lại các hệ thống trí tuệ nhân tạo để phù hợp với các nguyên tắc đã chi phối các hệ thống sinh học và vật lý trong hàng tỷ năm không? Nếu thành công, thành tựu như vậy sẽ đại diện cho một sự tái cấu trúc cơ bản về những gì máy tính là và cách chúng hoạt động.

Giới hạn Hiện tại và Hướng Phát triển Tương lai

Hệ thống Un-0 vẫn còn trong giai đoạn thử nghiệm. Nó hoạt động ở độ phân giải hình ảnh tương đối khiêm tốn và chưa đạt được mức hiệu suất của các hệ thống hiện đại tiên tiến nhất.

Mặc dù đã đạt được tiến bộ, quá trình đào tạo vẫn đòi hỏi tính toán truyền thống và thời gian đáng kể để hoàn thành.

Các nhà nghiên cứu đã công bố công việc của mình một cách minh bạch, phát hành mã đào tạo và phân tích chi tiết về các phát hiện của họ, phản ánh niềm tin rằng phương pháp này đại diện cho một hướng đi mới mà nhiều nhà nghiên cứu có thể khám phá và tinh chỉnh.

Khi các hệ thống trí tuệ nhân tạo trở nên ngày càng quan trọng trong xã hội hiện đại, việc tìm kiếm các phương pháp tính toán hiệu quả hơn chuyển từ tò mò học thuật sang nhu cầu thực tế. Un-0 đứng như một bằng chứng rằng ít nhất một hướng đi đầy hứa hẹn tồn tại, và việc điều tra trí tuệ nhân tạo dựa trên vật lý chỉ mới bắt đầu.