Энергоэффективное искусственное интеллект новая эра с нейроморфными компьютерами.

Энергоэффективный искусственный интеллект Новая эра с нейроморфными компьютерами

Быстро растущая область искусственного интеллекта (AI) известна своей производительностью, но при этом требует значительных энергозатрат. Новый подход, предложенный двумя ведущими учеными из Института науки о свете Макса Планка в Эрлангене, Германия, направлен на более эффективное обучение AI, что потенциально может революционизировать способ обработки данных AI.

Текущие модели AI потребляют огромные объемы энергии во время обучения. В то время как точные цифры сложно установить, по оценкам Statista, обучение GPT-3 требует примерно 1000 мегаватт-часов – что эквивалентно годовому потреблению энергии 200 крупных немецких домоволадений. В то время как этот энергоемкий тренинг позволил GPT-3 настраивать предсказание последовательности слов, согласием можно считать, что оно не охватило внутренние значения таких фраз.

Нейроморфные вычисления: слияние мозга и машины

В то время как традиционные системы AI основаны на цифровых искусственных нейронных сетях, будущее может быть связано с нейроморфными вычислениями. Флориан Марквардт, директор Института Макса Планка и профессор Эрлангенского университета, подчеркнул недостатки традиционных настроек AI.

«Передача данных между процессором и памятью сама по себе потребляет значительное количество энергии», – отметил Марквардт, указывая на неэффективность при обучении обширных нейронных сетей.

• Как ранжировать программы по компьютерным наукам с помощью правильной оптимизации веб-сайта
• Слова раскрыты Эволюция поэзии и литературы, созданных искусственным интеллектом
• Что вы должны знать о ограничении скорости

Нейроморфные вычисления черпают вдохновение из человеческого мозга, обрабатывая данные параллельно, а не последовательно. Фактически, синапсы в мозге функционируют как процессор и память одновременно. В настоящее время ведется исследование систем, имитирующих эти характеристики, например, фотонных контуров, использующих свет для вычислений.

Обучение AI с помощью самообучающихся физических машин

Работая с аспирантом Виктором Лопес-Пастором, Марквардт представил инновационный метод обучения для нейроморфных компьютеров. Их «самообучающаяся физическая машина» фундаментально оптимизирует свои параметры с помощью внутреннего физического процесса, что делает внешнюю обратную связь необязательной. «Не требуя такой обратной связи, обучение становится гораздо более эффективным», – подчеркнул Марквардт, указывая на то, что этот метод позволит сэкономить и энергию, и время вычислений.

Однако у этой прорывной техники есть определенные требования. Процесс должен быть обратимым, чтобы минимизировать потерю энергии, и достаточно сложным или нелинейным. «Только нелинейные процессы могут выполнять сложные преобразования между входными данными и результатами», – заявил Марквардт, проводя различие между линейными и нелинейными действиями.

К практической реализации

Теоретические основы дуэта соответствуют практическим приложениям. Сотрудничая с экспериментальной командой, они разрабатывают оптический нейроморфный компьютер, обрабатывающий информацию с помощью накладываемых световых волн. Их цель ясна: реализация концепции самообучающейся физической машины.

«Мы надеемся представить первую самообучающуюся физическую машину через три года», – прогнозирует Марквардт, указывая на то, что эти будущие сети будут обрабатывать больше данных и обучаться на больших наборах данных, чем современные системы. Учитывая растущий спрос на AI и внутреннюю неэффективность существующих настроек, переход к эффективно обучаемым нейроморфным компьютерам кажется неизбежным и многообещающим.

По словам Марквардта: «Мы уверены, что самообучающиеся физические машины имеют четкие перспективы в непрерывной эволюции искусственного интеллекта». Научное сообщество и поклонники AI с нетерпением ждут будущего.