Revolutionerende chips fra Dresden: AI bliver nu energieffektiv!

Revolutionerende chips fra Dresden: AI bliver nu energieffektiv!

I den hurtige verden af ​​kunstig intelligens (AI) spiller effektiviteten af ​​den anvendte hardware en central rolle. Det er her den tekniske innovation udviklet af Münchens Tekniske Universitet (TUM) kommer i spil. En ny chip kaldet "AI Pro" blev fremstillet i samarbejde med Global Foundries i Dresden. Denne chip er kendetegnet ved dens særlige egenskaber, der adskiller den fra konventionelle AI-chips.

"AI Pro"-chippen kombinerer computer- og lagerenheder, hvilket repræsenterer en væsentlig forbedring i forhold til traditionelle arkitekturer. Det fungerer efter princippet om "hyperdimensional computing", som gør det muligt at genkende ligheder og mønstre uden behov for millioner af datasæt. For eksempel kan chippen registrere, at en bil har fire hjul og kører på vejen uden at have brug for utallige billeder. Denne evne resulterer ikke kun i hurtigere databehandling, men også et enormt energibesparelsespotentiale.

Energieffektivitet i fokus

Med et energiforbrug på kun 24 mikrojoule pr. defineret træning kræver "AI Pro"-chippen ekstremt lidt sammenlignet med andre chips, der forbruger 10 til 100 gange mere energi. Nuværende AI-teknologier, især de kraftige chips fra Nvidia, har en betydelig energiappetit. Disse chips driver store datacentre, der bruger lige så meget strøm som små byer – et typisk datacenter kræver omtrent lige så meget energi som 100.000 hjem. I denne sammenhæng er indsatsen for at udvikle neuromorfe computere, der arbejder på modellen af ​​den menneskelige hjerne, særlig relevant. Den menneskelige hjerne kører på energien fra en pære, hvilket er en kæmpe forskel fra de energiomkostninger, der kræves i dag.

Ingeniører i Dresden arbejder på løsninger, der kan øge energieffektiviteten markant. Disse neuromorfe computere bruger kunstige neuroner, der kun aktiveres, når de er nødvendige. Steve Furber, en fortaler for neuromorfe systemer, ser denne teknologi som en potentiel løsning på det høje energiforbrug, der i øjeblikket er forbundet med AI-udviklingen. Der henvises især til den innovative evne hos enheder, der opererer direkte på kanten, dvs. tæt på brugeren. Dette resulterer ikke kun i lavere omkostninger, men minimerer også behovet for at overføre data til skyen.

Overvejelser om datasikkerhed

En anden fordel ved "AI Pro"-chippen er behandlingen af ​​data direkte på enheden. Følsomme data forbliver ombord, hvilket reducerer bekymringer om cybersikkerhed og internetforbindelse. Sådanne chips er særligt skræddersyet til applikationer såsom vital databehandling via smartwatches eller drone-navigation. Professor Amrouch fra TUM understreger, at fremtiden tilhører de mennesker, der ejer hardwaren, hvilket understreger vigtigheden af ​​lokal databehandling.

Sammen med fremskridt inden for neuromorfisk teknologi dukker der flere og flere applikationer op, der kræver specialiserede chips. Det franske firma Spinncloud har taget endnu et væsentligt skridt i retning af at efterligne menneskelige hjernefunktioner med den neuromorfe supercomputer Spinnaker 2. Dette system vil være tilgængeligt fra maj 2025 og vil gøre det muligt at simulere op til ti milliarder kunstige neuroner for at kunne arbejde endnu mere effektivt. Alligevel halter teknologien bagefter GPU-computere - især i ydeevne på træningsintensive opgaver såsom sprogmodeller. Der arbejdes på at forbedre svartider, men der mangler stadig en "killer app", der tydeligt demonstrerer fordelene.

Den globale efterspørgsel efter mere bæredygtige teknologier vil stige, efterhånden som datamængderne fortsætter med at vokse. Neuromorphic computing tilbyder derfor ikke kun en lovende løsning til energieffektivitet, men også en måde at integrere AI i batteridrevne enheder. Initiativer såsom "Neuromorphic Computing"-projektet fra Fraunhofer IIS demonstrerer fokus på at udvikle skalerbare og konfigurerbare løsninger, der er beregnet til at udvikle sig i overensstemmelse med Moores lov. Ideen om at behandle ressourcekrævende AI-opgaver lokalt kan forbedre databeskyttelsen og den mængde energi, der kræves til datacentre i fremtiden markant.

Vi kan derfor være i begyndelsen af ​​en ny æra af energieffektivitet i AI, som vil blive afgørende formet af den progressive udvikling af neuromorfe systemer og optimering af chips som "AI Pro".