为什么模拟人工智能可能是能源高效计算的未来

人工智能已经改变了我们的生活方式，驱动着我们每天依赖的工具和服务。从聊天机器人到智能设备，大部分进步都来自数字人工智能。它非常强大，处理大量数据以产生令人印象深刻的结果。但这种力量带来了巨大的成本：能耗。数字人工智能需要巨大的计算能力，消耗大量能量并产生热量。随着人工智能系统的增长，这个能量负担变得越来越难以忽视。

模拟人工智能可能是答案。通过使用连续信号，它承诺了一条更高效、更可持续的发展道路。让我们探索它如何解决这个日益增长的挑战。

数字人工智能的能耗问题

每次您与聊天机器人交互或流式传输推荐播放列表，某个地方都有一台计算机正在处理数据。对于数字人工智能系统，这意味着处理数十亿甚至数万亿个数字。这些系统使用所谓的二进制代码——0和1——来表示和操作数据。这是一种成熟的方法，但它非常耗能。

人工智能模型，尤其是复杂的模型，需要巨大的计算能力。例如，深度学习模型需要在大量数据集上运行计算，通常需要数天甚至数周。单次训练会话可能会消耗与整个城镇一天的电量相同。并且这只是训练。部署这些模型后，它们仍需要电力来执行诸如语音识别、电影推荐或机器人控制等任务。

消耗的能量并不会消失。它会转化为热量。这就是为什么您会在数据中心找到巨大的冷却系统。这些系统可以防止硬件过热，但又增加了另一层能耗。这种循环变得不可持续。

人工智能系统还需要快速运行，因为训练它们需要进行许多试验和实验。每一步都会测试不同的设置、设计或数据，以找到什么是最好的。这个过程可能需要很长时间，如果系统速度慢的话。更快的处理速度可以加速这些步骤，帮助研究人员调整模型、解决问题，并更快地将它们准备好用于现实世界。

但是数字系统并不是为这种速度而设计的。挑战在于它们如何处理数据。信息必须不断在存储器（其中存储数据）和处理器（其中分析数据）之间移动。这种来回移动会产生瓶颈，减慢速度并消耗更多的能量。

另一个挑战是数字系统天生适合处理一个一个的任务。这种顺序处理会减慢速度，尤其是人工智能模型需要处理大量数据时。像GPU和TPU这样的处理器通过实现并行处理（许多任务同时运行）有所帮助。但是，即使这些高级芯片也有其局限性。

问题归结为数字技术如何改进。它依赖于将更多晶体管压缩到越来越小的芯片中。但是随着人工智能模型的增长，我们正在耗尽空间来做到这一点。芯片已经非常小，进一步缩小它们变得更加昂贵和困难。并且更小的芯片带来了自己的问题。它们产生更多热量，浪费能量，使得平衡速度、功率和效率变得困难。数字系统正在面临瓶颈，而人工智能的不断增长需求使得保持这种速度变得更加困难。

为什么模拟人工智能可能是解决方案

模拟人工智能 为解决数字人工智能的能耗问题提供了一种新方法。它使用连续信号，而不是0和1。这种方法更接近自然过程，其中信息流动平滑。通过跳过将所有内容转换为二进制的步骤，模拟人工智能使用的能量大大减少。

其最大优势之一是将存储和处理结合在一个地方。数字系统不断地在存储器和处理器之间移动数据，这会消耗能量并产生热量。模拟人工智能就在数据存储的地方执行计算。这节省了能量，避免了数字系统面临的热量问题。

它也更快。没有数据来回移动，任务可以更快地完成。这使得模拟人工智能非常适合需要速度的应用，例如自动驾驶汽车。它也非常适合同时处理多个任务。数字系统要么一个一个地处理任务，要么需要额外的资源来并行运行。模拟系统天生适合多任务处理。受大脑启发的神经形态芯片可以同时在成千上万个节点上处理信息。这使得它们非常适合诸如图像或语音识别等任务。

模拟人工智能不依赖于缩小晶体管来改进。相反，它使用新的材料和设计以独特的方式处理计算。一些系统甚至使用光而不是电来处理数据。这一灵活性避免了数字技术面临的物理和技术限制。

通过解决数字人工智能的能耗和效率问题，模拟人工智能提供了一种方法来继续进步而不耗尽资源。

模拟人工智能的挑战

虽然模拟人工智能具有很大的潜力，但它并非没有挑战。其中最大的障碍之一是可靠性。与数字系统不同，数字系统可以轻松检查其操作的准确性，模拟系统更容易受到噪音和错误的影响。电压的小变化可能导致不准确性，并且更难纠正这些问题。

制造模拟电路也更加复杂。由于它们不使用简单的开/关状态，因此设计和生产一致的模拟芯片更加困难。但是材料科学和电路设计的进步正在克服这些问题。例如，忆阻器变得更加可靠和稳定，使其成为模拟人工智能的可行选择。

结论

模拟人工智能可能是实现能源高效计算的更智能方法。它将处理和存储结合在一个地方，运行速度更快，并可以同时处理多个任务。与数字系统不同，数字系统不依赖于缩小芯片，这变得越来越困难。相反，模拟人工智能使用创新设计，避免了许多我们今天看到的能耗问题。

仍然存在挑战，例如保持模拟系统的准确性和使技术可靠。但是，随着持续的改进，模拟人工智能有可能在某些领域补充甚至取代数字系统。这是实现人工智能既强大又可持续的令人兴奋的一步。