Что было старым становится новым снова
Как старое становится новым снова
Старое снова становится новым. По крайней мере, если речь идет об аналоговом вычислении. Когда вы слышите фразу “аналоговое вычисление”, вам можно простить, если вы думаете о хипстерах в мире технологий. О тех, кто предпочитает винил перед Spotify. О тех, кто хочет вернуть обратно пишущие машинки, чтобы заменить текстовые процессоры, или о тех, кто ценит рукописные заметки больше чем те, которые созданы ChatGPT.
Это далеко от правды.
Под “аналоговой” мы имеем в виду компьютеры, которые, в отличие от цифровых моделей, не функционируют путем представления значений нулями или единицами. Вместо этого аналоговые компьютеры представляют значения в различных физических метриках, таких как напряжение или физика жидкостей. Да, эти типы машин сейчас не в моде, но не ошибайтесь, эти компьютеры способствовали некоторым из самых значительных достижений человечества.
“Аналоговые компьютеры, которые достигли своего зенита примерно с 1935 по 1980 годы, помогли достичь нам Луны, создавали модели реактивных самолетов, моделировали североамериканскую электросеть и проектировали дороги, мосты и сотни других важных инженерных приложений,” – говорит Даг Спайсер, старший куратор Музея истории компьютеров в Маунтин-Вью, Калифорния.
- Amazon тестирует доставку лекарств с помощью дронов
- Вглядывание внутрь квантового компьютера создает новые фазы информации
- Nvidia и производитель iPhone Foxconn собираются строить ‘фабрики искусственного интеллекта
В то время как в сегодняшнем твердо цифровом мире термин “аналоговый” вызывает скептицизм, аналоговые вычисления снова становятся актуальными не из-за ностальгии, а из-за утилитарных выгод.
С началом революции искусственного интеллекта (ИИ), компании и технологи все больше ищут энергоэффективные устройства с высокой информационной плотностью, которые могут обойти ограничения текущих полупроводниковых чипов. Благодаря своим особым преимуществам, аналоговые компьютеры могут предоставить решение, которое они ищут.
“Аналоговые системы уже превосходят цифровые изделия,” – говорит Дейв Фик, сооснователь и генеральный директор Mythic ( https://mythic.ai/ ), компании, производящей аналоговые процессоры для приложений искусственного интеллекта.
Почему аналоговые? Почему сейчас?
Одной из причин перехода к аналоговому варианту является закон Деннарда.
Закон Деннарда является законом масштабирования в мире полупроводниковой техники, который гласит, что по мере уменьшения размеров транзисторов они потребляют меньше энергии, но предоставляют ту же вычислительную способность.
Десятилетиями с момента сформулирования этого закона в 1974 году, закон Деннарда действовал. Благодаря закону Мура, который гласит, что количество транзисторов, помещающихся на одну микросхему, удваивается примерно каждые два года, мы становились очень и очень хорошими в создании маленьких чипов, упакованных всё большим и большим количеством транзисторов, каждый из которых (благодаря закону Деннарда) имел ту же вычислительную мощность, что и более крупный аналог. Таким образом, с течением времени наши чипы становились гораздо мощнее.
Однако с 2005 года, закон Деннарда начал разрушаться с появлением транзисторов на нанометровом уровне. Стало сложнее увеличивать тактовую частоту чипов, одновременно используя доступную технологию для их охлаждения, что подрывало преимущества, обеспечиваемые упаковкой большего количества транзисторов на чипах.
Это может повлиять на эффективность цифровых вычислений по сравнению с аналоговыми.
Цифровые вычисления используют гораздо больше устройств для выполнения простых расчетов, чем аналоговые. Например, для выполнения скалярного умножения в цифровом виде требуется большой множительный блок с сотнями транзисторов. То же самое можно выполнить в аналоговых вычислениях с помощью резистора и электрического соединения.
Благодаря разрушению закона Деннарда, в некоторых случаях может быть возможным и более выгодным использование аналоговых вычислений. Так как аналоговая технология использует полный диапазон работы электронного устройства, в отличие от цифровой технологии, это означает, что одно устройство может представлять более одного информационного бита.
“Аналоговые вычисления позволяют достичь огромной плотности информации, имея до 27 бит информации на одной проволоке, что приводит к невероятной энергоэффективности и производительности,” – говорит Фик. В результате, для обработки той же информации потребуется меньше аналоговых устройств по сравнению с группой цифровых устройств.
Однако это требует компромиссов. В то время как аналог имеет некоторые уникальные преимущества, цифровые вычисления в целом намного более предсказуемы в своей точности и надежности, чем аналог. Они также являются высоко гибкими и программируемыми.
Логично возникает вопрос: не является ли цифровая вычислительная технология, которую мы имеем сегодня, превосходнейшей перед аналоговой во всех отношениях? В конце концов, ведь аналоговая, это ведь отстало?
Не совсем так.
“Аналоговая и цифровая технологии имеют разные компромиссы и разные преимущества и недостатки,” объясняет Брюс МакЛеннан, профессор электротехники и компьютерных наук в Университете Теннесси в Ноксвилле.
Фактически, аналоговая технология особенно привлекательна в приложениях, где важна высокая плотность информации, и эта информация представлена действительными числами, а не битами. Вот почему компании вроде Mythic ставят на аналог как способ сохранить AI-революцию в полном разгаре, даже при возникновении проблем, связанных с проблемами масштабирования Деннарда.
«Теперь важнее применять инновационные методы проектирования, а не полагаться на масштабирование процесса на кремнии, чтобы обеспечить повышение энергоэффективности и производительности», – говорит Фик.
Аналоговый интеллект
В чем причина ставки Mythic? Оказывается, определенные приложения искусственного интеллекта чрезвычайно подходят для аналоговых вычислений.
“Мы видим наибольший спрос на аналоговые решения в приложениях edge AI, особенно тех, которые требуют компьютерного зрения для случаев использования, таких как распознавание изображений и отслеживание объектов,” – говорит Фик.
Одним примером являются дроны. Дроны, используемые для всего, начиная с доставки посылок и заканчивая сельским хозяйством, должны обрабатывать несколько больших глубоких нейронных сетей в режиме реального времени. В то же время они также должны быть энергоэффективными, чтобы продлить время полета. По мере замедления закона Мура аналог становится все более жизнеспособным решением.
И есть на это причина.
“Наиболее перспективными сценариями использования аналоговой технологии являются приложения, которые включают очень много больших массивов действительных чисел,” – говорит МакЛеннан. Большие искусственные нейронные сети, поддерживающие передовые искусственный интеллект, подходят под это описание. Такие сети имитируют вычислительные возможности человеческого мозга, который, как говорит МакЛеннан, “можно охарактеризовать как массово параллельные, низкоточные аналоговые вычисления.”
Это как раз тот тип сценариев использования, которым нужны компании по искусственному интеллекту, которые пытаются охватить все больше вычислительной мощности.
В примере Mythic компания говорит, что ее аналоговая матричный процессор (AMP) обладает той же вычислительной мощностью, что и один из графических процессоров (GPU), настолько велик востребовании в мире искусственного интеллекта, при этом потребляя лишь десятую часть энергии. Если речь идет о компьютерном зрении, компания считает, что аналог может превзойти цифровые технологии.
“Цифровыми системам будет очень сложно успевать за аналоговыми процессорами в следующие годы”, – говорит Фик. Он говорит, что аналоговая микросхема M1076 Mythic хранит 80 миллионов весов непосредственно на микросхеме, “что помогает ей стать решением с наименьшей задержкой для компьютерного зрения, превосходя все цифровые системы своего класса.” По мнению сторонников, таких как Фик, если проблемы цифровых вычислений представляют собой препятствие для дальнейшего развития производительности и масштабирования, аналоговые вычисления могут предложить нам возможность продолжить AI-революцию.
Однако аналоговые вычисления имеют свои недостатки.
“С аналоговыми устройствами более сложно и дорого достичь высокоточных вычислений, которым требуется более точное производство, чем цифровые устройства,” – говорит МакЛеннан. С цифровой технологией вам просто нужно добавить биты, чтобы улучшить производительность, что дешевле, чем мультипликативные затраты на более сложные техники на производственном уровне. Даже сторонники аналоговых вычислений признают время и место для аналоговых устройств перед цифровыми.
“Поскольку аналоговые компьютеры не так просто программировать, как цифровые компьютеры, аналоговая технология лучше всего подходит для приложений, в которых требуется ограниченный класс вычислений, например, искусственные нейронные сети,” – говорит МакЛеннан.
Брак физического и цифрового
Некоторые сторонники аналоговых вычислений удивляются, как можно провести разграничение между аналоговыми и цифровыми вычислениями.
“Надо сказать, что мы живем в аналоговом мире,” – говорит Спайсер. “Даже цифровые системы на самом деле являются аналоговыми системами, только с определенными аналоговыми порогами для цифровых единиц.” Он приводит пример iPhone, устройства, которое сочетает в себе цифровые микропроцессоры и множество аналоговых систем, таких как акселерометры, микрофон, динамики и гироскоп.
Реальная ценность аналоговой технологии заключается в слиянии искусственного интеллекта с физическим миром.
В этом году было много обсуждений вокруг ChatGPT и мощи генеративных инструментов искусственного интеллекта, которые позволяют нам общаться с машинами, используя только естественный язык. Однако это всего лишь мост к чему-то гораздо большему, чем взаимодействие с чат-ботом. Развитие искусственного интеллекта теперь позволяет нам простой, удобный и применимый интерфейс с машинами любого типа, включая физические.
Это включает в себя новое поколение физических машин, которые создают компании, такие как Tesla ( https://www.tesla.com ) и Figure ( https://www.figure.ai/ ), кто в свою очередь создают гуманоидных роботов для использования на фабриках.
“[Аналоговые технологии] будут конкурировать там, где преимущества имеют компактные размеры и низкое энергопотребление, такие как автономные роботы и дроны,” – говорит Макленнан. Другими словами, в тех самых суднах, которые мы используем для соединения цифровых чудес искусственного интеллекта с физическим миром.
Таким образом, кажется, что аналоговая технология сегодня не конкурирует с цифровой технологией, а дополняет ее. Остается открытым вопрос, сможет ли цифровой компьютер преодолеть или обойти проблемы с масштабированием в Деннинге, но в любом случае, аналоговая технология заполняет конкретные, важные пробелы.
“Аналоговая технология присутствует везде, где цифровая система должна взаимодействовать с внешним миром,” – говорит Спайсер. “Аналоговые методики прошлого вновь открываются и внедряются в кремний.”
Дополнительное чтение
Abdul, A. Bite-Size Science: The return of analog computing, a brief on the latest quantum computing innovation, The Tufts Daily , 10 марта 2023 года, https://bit.ly/3Ykz6Wf
Platt, C. The Unbelievable Zombie Comeback of Analog Computing, WIRED , 30 марта 2023 года, https://www.wired.com/story/unbelievable-zombie-comeback-analog-computing/
Zewe, A. Q&A: Neil Thompson on computing power and innovation, Massachusetts Institute of Technology , 24 июня 2022 года, https://news.mit.edu/2022/neil-thompson-computing-power-innovation-0624
Автор
Логан Кюглер – фрилансер-технолог из Тампы, Флорида. Он является постоянным автором в Communication и писал для почти 100 крупных печатных изданий.
©2023 ACM 0001-0782/23/11
Разрешается создание цифровых или физических копий частично или полностью данной работы для личного или учебного использования без оплаты, при условии, что копии не производятся или распространяются с целью получения прибыли или коммерческой выгоды и что копии содержат на первой странице этого уведомление и полную библиографическую ссылку. Авторское право на компоненты этой работы, принадлежащие другим организациям, кроме ACM, должно быть уважено. Разрешается абстракционирование с обязательным указанием авторства. Воспроизведение, публикация на серверах или рассылка по спискам требует предварительного специфического разрешения и/или оплаты. Запрос разрешения на публикацию можно отправить на адрес permissions@acm.org или факс (212) 869-0481.
Цифровая библиотека издается Association for Computing Machinery. Авторское право © 2023 год АСМ, Inc.
