Компания IBM разработала чип с биологическим вдохновением, способный сделать искусственный интеллект более экологичным и энергоэффективным.
По мере того как сверхмощные модели ИИ, такие как ChatGPT, становятся повсеместно распространенными в обществе, крупные технологические конкуренты, такие как Google, Microsoft, Meta, и стартапы, такие как Anthropic и Inflection, начали накапливать огромное количество вычислительных мощностей.
Оборудование, необходимое для обучения ИИ, требовательно к мощности, что усугубляет и без того огромную влияние центров обработки данных на окружающую среду.
Это послужило толчком для исследований и разработок, направленных на создание инновационных чипов с искусственным интеллектом, способных работать с большими нагрузками при меньшем энергопотреблении. Последняя разработка Nvidia Микросхема GH2000 уже достигла большей энергоэффективности, чем ее предшественники: компания утверждает, что она позволит сделать центры обработки данных в 12 раз дешевле и использовать в 20 раз меньше энергии.
IBM's новый аналоговый чип с биологическим вдохновением смоделирован на основе биологического мозга и будет эффективен в портативных рабочих нагрузках, таких как автомобили, телефоны и камеры.
Танос Василопулос, ученый из исследовательской лаборатории IBM в Цюрихе, рассказал Би-би-си"По сравнению с традиционными компьютерами человеческий мозг достигает поразительной производительности при минимальном потреблении энергии".
Большинство существующих микросхем являются цифровыми и используют для хранения данных двоичный код (0 и 1). Новый чип IBM отличается тем, что в нем используются аналоговые компоненты, известные как мемристоры (резисторы памяти), способные хранить различные числовые значения.
Аналоговая природа мемристоров отражает функции синапсов. Это не первый чип с биоинспирацией - индийская исследовательская группа успешно разработанный в 2022 году.
Профессор. Ферранте Нери из Университета Суррея объяснил: "Взаимосвязанные мемристоры могут создать сеть, зеркально отражающую биологический мозг".
Хотя чип IBM в основном аналоговый, в нем сохранились некоторые цифровые компоненты, что обеспечивает совместимость с современными системами искусственного интеллекта.
Эти легкие чипы будут особенно полезны для гаджетов, транспортных средств и оборудования IoT.
Новый аналоговый чип IBM для глубокого обучения
Чипы IBM снижают энергопотребление, обеспечивая впечатляющую производительность в легком корпусе.
Эти чипы смоделированы на основе человеческого мозга, который потребляет примерно столько же ватт, сколько лампочка.
Вот основные моменты:
- Современные аппаратные ограничения ИИ: В большинстве архитектур ИИ память отделена от вычислительных блоков, что означает необходимость постоянного обмена данными между ними, что замедляет вычисления и снижает энергоэффективность.
- Аналоговые микросхемы: Зеркально отражая функции человеческого мозга, IBM использует память с фазовым переключением (PCM), которая регистрирует свое состояние в виде спектра значений, а не 0 и 1. Это снижает необходимость в передаче данных между памятью и процессором.
- Техническая часть: Конструкция IBM включает 64 аналоговых вычислительных ядра in-memory, каждое из которых содержит синаптический массив размером 256 на 256. Каждое ядро может вычислять один слой модели глубокой нейронной сети (DNN). Центральное цифровое вычислительное устройство на чипе выполняет другие сложные операции.
- Показатели эффективности: Чип достиг превосходной точности 92,81% в эталонном тесте компьютерного зрения (CV). Он более чем в 15 раз эффективнее нескольких существующих чипов.
После усовершенствования эти биоинспирированные чипы будут сопровождать цифровые чипы в гибридных архитектурах. Это позволит создавать легкие и энергоэффективные системы искусственного интеллекта, способные справляться с большими нагрузками.
В конечном итоге эти чипы станут достаточно легкими для использования в интеллектуальных автономных технологиях, что может привести к появлению нового поколения роботов, которые будут ходить, говорить и взаимодействовать с окружающей средой без чрезмерного потребления энергии.
