Revolutionerande chips från Dresden: AI blir nu energieffektiv!

Revolutionerande chips från Dresden: AI blir nu energieffektiv!

I den snabbrörliga världen av artificiell intelligens (AI) spelar effektiviteten hos den använda hårdvaran en central roll. Det är här den tekniska innovation som utvecklats av Münchens tekniska universitet (TUM) kommer in i bilden. Ett nytt chip kallat "AI Pro" tillverkades i samarbete med Global Foundries i Dresden. Detta chip kännetecknas av sina speciella egenskaper som skiljer det från konventionella AI-chips.

"AI Pro"-chippet kombinerar dator- och lagringsenheter, vilket representerar en betydande förbättring jämfört med traditionella arkitekturer. Den fungerar på principen om "hyperdimensionell datoranvändning", vilket gör att den kan känna igen likheter och mönster utan behov av miljontals datamängder. Chippet kan till exempel upptäcka att en bil har fyra hjul och färdas på vägen utan att behöva oräkneliga bilder. Denna förmåga resulterar inte bara i snabbare databehandling, utan också en enorm energibesparingspotential.

Energieffektivitet i fokus

Med en energiförbrukning på bara 24 mikrojoule per definierat träningspass, kräver "AI Pro"-chippet extremt lite jämfört med andra chips som förbrukar 10 till 100 gånger mer energi. Nuvarande AI-teknik, särskilt de kraftfulla chipsen från Nvidia, har en betydande energiaptit. Dessa chips driver stora datacenter som använder lika mycket el som små städer – ett typiskt datacenter kräver ungefär lika mycket energi som 100 000 hem. I detta sammanhang är ansträngningen att utveckla neuromorfa datorer som fungerar på modellen av den mänskliga hjärnan särskilt relevant. Den mänskliga hjärnan drivs av energin från en glödlampa, vilket är en enorm skillnad mot de energikostnader som krävs idag.

Ingenjörer i Dresden arbetar på lösningar för att avsevärt öka energieffektiviteten. Dessa neuromorfa datorer använder artificiella neuroner som bara aktiveras när de behövs. Steve Furber, en förespråkare för neuromorfa system, ser denna teknik som en potentiell lösning på den höga energiförbrukning som för närvarande är förknippad med AI-utvecklingen. Särskilt hänvisas till den innovativa förmågan hos enheter som arbetar direkt vid kanten, dvs nära användaren. Detta resulterar inte bara i lägre kostnader, utan minimerar också behovet av att överföra data till molnet.

Datasäkerhetsöverväganden

En annan fördel med "AI Pro"-chippet är behandlingen av data direkt på enheten. Känsliga data finns kvar ombord, vilket minskar oro för cybersäkerhet och internetuppkoppling. Sådana chips är särskilt skräddarsydda för applikationer som livsviktig databehandling via smartklockor eller drone-navigering. Professor Amrouch från TUM understryker att framtiden tillhör de personer som äger hårdvaran, vilket understryker vikten av lokal databehandling.

Tillsammans med framstegen inom neuromorf teknologi dyker det upp fler och fler applikationer som kräver specialiserade chips. Det franska företaget Spinncloud har tagit ytterligare ett betydande steg mot att efterlikna mänskliga hjärnfunktioner med den neuromorfa superdatorn Spinnaker 2. Detta system kommer att finnas tillgängligt från maj 2025 och kommer att göra det möjligt att simulera upp till tio miljarder artificiella neuroner för att kunna arbeta ännu mer effektivt. Ändå släpar tekniken efter GPU-datorer - särskilt i prestanda vid träningsintensiva uppgifter som språkmodeller. Arbete pågår för att förbättra svarstiderna, men en "killer app" som tydligt visar fördelarna saknas fortfarande.

Den globala efterfrågan på mer hållbar teknik kommer att öka i takt med att datavolymerna fortsätter att växa. Neuromorphic computing erbjuder därför inte bara en lovande lösning för energieffektivitet, utan också ett sätt att integrera AI i batteridrivna enheter. Initiativ som projektet "Neuromorphic Computing" från Fraunhofer IIS visar fokus på att utveckla skalbara och konfigurerbara lösningar som är avsedda att utvecklas i linje med Moores lag. Idén att bearbeta resurskrävande AI-uppgifter lokalt kan avsevärt förbättra dataskyddet och mängden energi som krävs för datacenter i framtiden.

Vi kan därför vara i början av en ny era av energieffektivitet inom AI, som kommer att vara avgörande av den progressiva utvecklingen av neuromorfa system och optimeringen av chips som "AI Pro".