Revolusjonerende brikker fra Dresden: AI blir nå energieffektiv!

Revolusjonerende brikker fra Dresden: AI blir nå energieffektiv!

I den raskt bevegelige verden av kunstig intelligens (AI) spiller effektiviteten til maskinvaren som brukes en sentral rolle. Det er her den tekniske innovasjonen utviklet av det tekniske universitetet i München (TUM) kommer inn i bildet. En ny brikke kalt "AI Pro" ble produsert i samarbeid med Global Foundries i Dresden. Denne brikken er preget av sine spesielle egenskaper som skiller den fra konvensjonelle AI-brikker.

"AI Pro"-brikken kombinerer databehandlings- og lagringsenheter, noe som representerer en betydelig forbedring i forhold til tradisjonelle arkitekturer. Den opererer etter prinsippet om "hyperdimensjonal databehandling", som lar den gjenkjenne likheter og mønstre uten behov for millioner av datasett. For eksempel kan brikken oppdage at en bil har fire hjul og kjører på veien uten å trenge utallige bilder. Denne egenskapen resulterer ikke bare i raskere databehandling, men også et enormt energisparepotensial.

Energieffektivitet i fokus

Med et energiforbruk på bare 24 mikrojoule per definert treningsøkt, krever "AI Pro"-brikken ekstremt lite sammenlignet med andre brikker som bruker 10 til 100 ganger mer energi. Nåværende AI-teknologier, spesielt de kraftige brikkene fra Nvidia, har en betydelig energiappetitt. Disse brikkene driver store datasentre som bruker like mye strøm som små byer – et typisk datasenter krever omtrent like mye energi som 100 000 hjem. I denne sammenhengen er innsatsen for å utvikle nevromorfe datamaskiner som fungerer etter modellen til den menneskelige hjernen spesielt relevant. Den menneskelige hjernen kjører på energien til en lyspære, som er en enorm forskjell fra energikostnadene som kreves i dag.

Ingeniører i Dresden jobber med løsninger for å øke energieffektiviteten betydelig. Disse nevromorfe datamaskinene bruker kunstige nevroner som bare aktiveres når de er nødvendige. Steve Furber, en talsmann for nevromorfe systemer, ser denne teknologien som en potensiell løsning på det høye energiforbruket som for tiden er forbundet med AI-utviklingen. Spesielt refereres det til den innovative evnen til enheter som opererer direkte på kanten, dvs. nær brukeren. Dette resulterer ikke bare i lavere kostnader, men minimerer også behovet for å overføre data til skyen.

Hensyn til datasikkerhet

En annen fordel med "AI Pro"-brikken er behandlingen av data direkte på enheten. Sensitive data forblir ombord, noe som reduserer cybersikkerhet og internett-tilkobling. Slike brikker er spesielt skreddersydd for applikasjoner som vital databehandling via smartklokker eller drone-navigasjon. Professor Amrouch fra TUM understreker at fremtiden tilhører menneskene som eier maskinvaren, noe som understreker viktigheten av lokal databehandling.

Sammen med fremskritt innen nevromorf teknologi, dukker det opp flere og flere applikasjoner som krever spesialiserte brikker. Det franske selskapet Spinncloud har tatt nok et betydelig skritt mot å etterligne menneskelige hjernefunksjoner med den nevromorfe superdatamaskinen Spinnaker 2. Dette systemet vil være tilgjengelig fra mai 2025 og vil gjøre det mulig å simulere opptil ti milliarder kunstige nevroner for å kunne jobbe enda mer effektivt. Likevel henger teknologien etter GPU-datamaskiner - spesielt når det gjelder ytelse på treningsintensive oppgaver som språkmodeller. Det arbeides med å forbedre responstidene, men en «killer-app» som tydelig viser fordelene mangler fortsatt.

Global etterspørsel etter mer bærekraftige teknologier vil øke ettersom datavolumene fortsetter å vokse. Nevromorf databehandling tilbyr derfor ikke bare en lovende løsning for energieffektivitet, men også en måte å integrere AI i batteridrevne enheter. Initiativer som «Neuromorphic Computing»-prosjektet fra Fraunhofer IIS demonstrerer fokuset på å utvikle skalerbare og konfigurerbare løsninger som er ment å utvikle seg i tråd med Moores lov. Ideen om å behandle ressurskrevende AI-oppgaver lokalt kan betydelig forbedre databeskyttelsen og mengden energi som kreves for datasentre i fremtiden.

Vi kan derfor være i begynnelsen av en ny æra av energieffektivitet i AI, som vil bli avgjørende formet av den progressive utviklingen av nevromorfe systemer og optimalisering av brikker som "AI Pro".