Rewolucyjne chipy z Drezna: AI staje się teraz energooszczędna!

Rewolucyjne chipy z Drezna: AI staje się teraz energooszczędna!

W szybko zmieniającym się świecie sztucznej inteligencji (AI) wydajność używanego sprzętu odgrywa kluczową rolę. W tym miejscu wchodzi w grę innowacja techniczna opracowana przez Politechnikę Monachium (TUM). We współpracy z Global Foundries w Dreźnie wyprodukowano nowy chip o nazwie „AI Pro”. Chip ten charakteryzuje się specjalnymi właściwościami, które odróżniają go od konwencjonalnych chipów AI.

Chip „AI Pro” łączy jednostki obliczeniowe i pamięć masową, co stanowi znaczny postęp w porównaniu z tradycyjnymi architekturami. Działa na zasadzie „przetwarzania hiperwymiarowego”, co pozwala rozpoznawać podobieństwa i wzorce bez konieczności posiadania milionów zbiorów danych. Na przykład chip może wykryć, czy samochód ma cztery koła i porusza się po drodze, bez konieczności wykonywania niezliczonych zdjęć. Możliwość ta skutkuje nie tylko szybszym przetwarzaniem danych, ale także ogromnym potencjałem oszczędzania energii.

Efektywność energetyczna w centrum uwagi

Przy zużyciu energii wynoszącym zaledwie 24 mikrodżule na zdefiniowany trening, chip „AI Pro” wymaga niezwykle mało w porównaniu do innych chipów, które zużywają od 10 do 100 razy więcej energii. Obecne technologie AI, zwłaszcza potężne chipy Nvidii, mają znaczny apetyt na energię. Chipy te zasilają duże centra danych, które zużywają tyle samo energii elektrycznej, co małe miasta – typowe centrum danych zużywa mniej więcej tyle energii, co 100 000 domów. W tym kontekście szczególnie istotne są wysiłki mające na celu opracowanie komputerów neuromorficznych, działających na modelu ludzkiego mózgu. Ludzki mózg wykorzystuje energię żarówki, co stanowi ogromną różnicę w porównaniu z kosztami energii wymaganymi obecnie.

Inżynierowie w Dreźnie pracują nad rozwiązaniami, które znacząco zwiększą efektywność energetyczną. Te neuromorficzne komputery wykorzystują sztuczne neurony, które są aktywowane tylko wtedy, gdy są potrzebne. Steve Furber, zwolennik systemów neuromorficznych, postrzega tę technologię jako potencjalne rozwiązanie problemu wysokiego zużycia energii związanego obecnie z rozwojem sztucznej inteligencji. Szczególnie odniesiono się do innowacyjności urządzeń, które działają bezpośrednio przy krawędzi, czyli blisko użytkownika. Przekłada się to nie tylko na niższe koszty, ale także minimalizuje konieczność przesyłania danych do chmury.

Względy bezpieczeństwa danych

Kolejną zaletą chipa „AI Pro” jest przetwarzanie danych bezpośrednio na urządzeniu. Wrażliwe dane pozostają na pokładzie, co zmniejsza obawy związane z cyberbezpieczeństwem i łącznością internetową. Takie chipy są szczególnie dostosowane do zastosowań takich jak przetwarzanie ważnych danych za pomocą inteligentnych zegarków lub nawigacja dronami. Profesor Amrouch z TUM podkreśla, że ​​przyszłość należy do ludzi, którzy są właścicielami sprzętu, co podkreśla znaczenie lokalnego przetwarzania danych.

Wraz z postępem technologii neuromorficznej pojawia się coraz więcej zastosowań wymagających specjalistycznych chipów. Francuska firma Spinncloud zrobiła kolejny znaczący krok w kierunku naśladowania funkcji ludzkiego mózgu za pomocą neuromorficznego superkomputera Spinnaker 2. System ten będzie dostępny od maja 2025 roku i pozwoli na symulację nawet dziesięciu miliardów sztucznych neuronów, aby pracować jeszcze wydajniej. Mimo to technologia ta pozostaje w tyle za komputerami wyposażonymi w procesory graficzne – szczególnie pod względem wydajności w przypadku zadań wymagających intensywnego szkolenia, takich jak modele językowe. Trwają prace nad poprawą czasu reakcji, ale nadal brakuje „zabójczej aplikacji”, która wyraźnie demonstrowałaby korzyści.

Globalny popyt na bardziej zrównoważone technologie będzie wzrastał wraz ze wzrostem ilości danych. Obliczenia neuromorficzne oferują zatem nie tylko obiecujące rozwiązanie w zakresie efektywności energetycznej, ale także sposób na integrację sztucznej inteligencji z urządzeniami zasilanymi bateryjnie. Inicjatywy takie jak projekt „Neuromorphic Computing” firmy Fraunhofer IIS pokazują skupienie się na opracowywaniu skalowalnych i konfigurowalnych rozwiązań, które mają ewoluować zgodnie z prawem Moore’a. Pomysł lokalnego przetwarzania zadań AI wymagających dużych zasobów może w przyszłości znacznie poprawić ochronę danych i ilość energii wymaganej przez centra danych.

Możemy zatem znajdować się na początku nowej ery efektywności energetycznej w AI, która w decydujący sposób będzie kształtowana przez postępujący rozwój systemów neuromorficznych i optymalizację chipów takich jak „AI Pro”.