Revolutionaire chips uit Dresden: AI wordt nu energiezuinig!

Revolutionaire chips uit Dresden: AI wordt nu energiezuinig!

In de snel veranderende wereld van kunstmatige intelligentie (AI) speelt de efficiëntie van de gebruikte hardware een centrale rol. Dit is waar de technische innovatie ontwikkeld door de Technische Universiteit München (TUM) in het spel komt. Een nieuwe chip genaamd “AI Pro” werd vervaardigd in samenwerking met Global Foundries in Dresden. Deze chip kenmerkt zich door zijn bijzondere eigenschappen die hem onderscheiden van conventionele AI-chips.

De “AI Pro”-chip combineert computer- en opslageenheden, wat een aanzienlijke verbetering betekent ten opzichte van traditionele architecturen. Het werkt volgens het principe van ‘hyperdimensionaal computergebruik’, waardoor het overeenkomsten en patronen kan herkennen zonder dat er miljoenen datasets nodig zijn. De chip kan bijvoorbeeld detecteren dat een auto vier wielen heeft en zich op de weg voortbeweegt zonder dat daar talloze beelden voor nodig zijn. Deze mogelijkheid resulteert niet alleen in een snellere gegevensverwerking, maar ook in een enorm energiebesparingspotentieel.

Energie-efficiëntie in focus

Met een energieverbruik van slechts 24 microjoules per gedefinieerde training heeft de “AI Pro”-chip extreem weinig nodig in vergelijking met andere chips die 10 tot 100 keer meer energie verbruiken. De huidige AI-technologieën, vooral de krachtige chips van Nvidia, hebben een aanzienlijke energiebehoefte. Deze chips voeden grote datacenters die evenveel elektriciteit gebruiken als kleine steden; een typisch datacenter heeft ongeveer evenveel energie nodig als 100.000 huishoudens. In deze context is de inspanning om neuromorfe computers te ontwikkelen die werken naar het model van het menselijk brein bijzonder relevant. Het menselijk brein draait op de energie van een gloeilamp, wat een enorm verschil is met de energiekosten die vandaag de dag nodig zijn.

Ingenieurs in Dresden werken aan oplossingen om de energie-efficiëntie aanzienlijk te verhogen. Deze neuromorfe computers maken gebruik van kunstmatige neuronen die alleen worden geactiveerd als ze nodig zijn. Steve Furber, een pleitbezorger voor neuromorfe systemen, ziet deze technologie als een potentiële oplossing voor het hoge energieverbruik dat momenteel gepaard gaat met AI-ontwikkelingen. Er wordt bijzondere aandacht besteed aan het innovatieve vermogen van apparaten die direct aan de rand, dat wil zeggen dicht bij de gebruiker, werken. Dit resulteert niet alleen in lagere kosten, maar minimaliseert ook de noodzaak om gegevens naar de cloud over te dragen.

Overwegingen inzake gegevensbeveiliging

Een ander voordeel van de “AI Pro” -chip is de verwerking van gegevens rechtstreeks op het apparaat. Gevoelige gegevens blijven aan boord, waardoor de zorgen over cyberbeveiliging en internetconnectiviteit worden verminderd. Dergelijke chips zijn met name afgestemd op toepassingen zoals vitale gegevensverwerking via smartwatches of drone-navigatie. Professor Amrouch van TUM benadrukt dat de toekomst toebehoort aan de mensen die eigenaar zijn van de hardware, wat het belang van lokale dataverwerking onderstreept.

Samen met de vooruitgang in de neuromorfe technologie ontstaan ​​er steeds meer toepassingen waarvoor gespecialiseerde chips nodig zijn. Het Franse bedrijf Spinncloud heeft met de neuromorfe supercomputer Spinnaker 2 opnieuw een belangrijke stap gezet in het nabootsen van menselijke hersenfuncties. Dit systeem zal vanaf mei 2025 beschikbaar zijn en zal het mogelijk maken om tot tien miljard kunstmatige neuronen te simuleren om nog efficiënter te kunnen werken. Toch blijft de technologie achter bij GPU-computers, vooral wat betreft prestaties bij trainingsintensieve taken zoals taalmodellen. Er wordt gewerkt aan het verbeteren van de reactietijden, maar een ‘killer-app’ die de voordelen duidelijk aantoont, ontbreekt nog steeds.

De mondiale vraag naar duurzamere technologieën zal toenemen naarmate de datavolumes blijven groeien. Neuromorphic computing biedt daarom niet alleen een veelbelovende oplossing voor energie-efficiëntie, maar ook een manier om AI te integreren in apparaten die op batterijen werken. Initiatieven zoals het ‘Neuromorphic Computing’-project van Fraunhofer IIS demonstreren de focus op het ontwikkelen van schaalbare en configureerbare oplossingen die bedoeld zijn om te evolueren in lijn met de wet van Moore. Het idee om resource-intensieve AI-taken lokaal te verwerken zou de gegevensbescherming en de hoeveelheid energie die nodig is voor datacenters in de toekomst aanzienlijk kunnen verbeteren.

We staan ​​daarom mogelijk aan het begin van een nieuw tijdperk van energie-efficiëntie in AI, dat beslissend zal worden gevormd door de geleidelijke ontwikkeling van neuromorfe systemen en de optimalisatie van chips zoals de “AI Pro”.