Dirbtinio intelekto „atminties siena“ stabdo pažangą, bet sprendimai vėluoja iki 2027 metų

Šiuolaikinės dirbtinio intelekto sistemos vis dažniau stringa ne dėl skaičiavimo galios trūkumo, o dėl darbinės atminties išsekimo. Nors modeliai tampa vis sudėtingesni, fizinės DRAM (dinaminės operatyviosios atminties) ribos tampa pagrindiniu kliuviniu, kurį įveikti pavyks ne anksčiau kaip 2027 metais.

Kodėl sistemos „pavargsta“

„Atminties sienos“ terminas apibūdina reiškinį, kai dirbtinio intelekto (DI) sistemos pradeda veikti lėčiau arba visiškai nustoja reaguoti ne todėl, kad negali pradėti užduoties, o todėl, kad nebegali jos tęsti. Pagrindinė priežastis – darbinės atminties (DRAM) išsekimas. Kai modeliai auga, o agentai tampa vis savarankiškesni, jiems reikia nuolat laikyti didelius duomenų kiekius aktyvioje būsenoje.

Didesni konteksto langai leidžia modeliams referuoti daugiau informacijos, tačiau tai kartu plečia duomenų kiekį, kuris privalo likti atmintyje, kol modelis yra aktyvus. Net ir kuklūs DI agentai gali išnaudoti visą turimą darbinę atmintį gerokai anksčiau, nei užduotis būna baigta. Tai sukuria atotrūkį tarp ambicingų DI galimybių ir esamos kompiuterių architektūros.

Saugos įrenginiai nėra išeitis

Dažnai klaidingai manoma, kad SSD (kietieji diskai) gali pakeisti darbinę atmintį, tačiau tai nėra tiesa. Nors SSD puikiai tinka dideliems duomenų kiekiams saugoti, jie nėra sukurti veikti kaip nuolat prieinama darbinė atmintis. Bandymai perkelti aktyvią būseną į saugyklą sukelia vėlavimus, kurie stabdo arba nutraukia vykdymą.

Sprendžiant šią problemą, reikia ne tiesiog didinti saugyklos talpą, o išplėsti darbinę atmintį taip, kad ji atitiktų šiuolaikinio DI veikimo principus. Tai reiškia, kad vykdymo metu būsena turi išlikti naudojama ir reaguojanti net tada, kai atmintis pildosi.

Tiekimo grandinės aklavietė

Situaciją sunkina ir pasauliniai tiekimo grandinės apribojimai. „WEKA“ analitikų teigimu, atminties tiekimo grandinės suvaržymai išliks bent iki 2027 metų pabaigos. Tai lemia kompleksinis veiksnių derinys: gamyklų pajėgumų ribotumas, medžiagų trūkumas ir ekonominės paskatos.

Kiekvienas doleris, kurį didieji duomenų centrų operatoriai išleidžia DI serveriams, reikalauja papildomo dolerio atminties ekosistemoms palaikyti. Tai verčia organizacijas ieškoti kūrybiškų būdų, kaip efektyviau išnaudoti turimus resursus. Kol kas rinka susiduria su kainų svyravimais – pavyzdžiui, „NAND“ (atminties tipas) kainos tam tikrais laikotarpiais kilo 33–60 procentų.

Inovacijos už tradicinių ribų

Mokslininkai ieško būdų, kaip iš esmės pakeisti atminties technologijas. Edinburgo universiteto tyrėjai kuria teorinį pagrindą, kuris galėtų dramatiškai sumažinti energijos sąnaudas, reikalingas skaitmeninei informacijai saugoti ir manipuliuoti būsimose magnetinės atminties technologijose.

Kompiuteriniai modeliavimai rodo, kad tai galėtų sumažinti perjungimo energiją keliais dydžiais, palyginti su dabartinėmis DRAM ar STT-MRAM technologijomis. Netikėtų sprendimų atsiranda ir kitur. 2023 metais studentas Andrew Krapivinas, skaitydamas mokslinį straipsnį „tiesiog pramogai“, sugebėjo iš esmės patobulinti 70 metų senumo skaičiavimo įrankį – maišos lentelę (hash table). Tai rodo, kad net ir senosios informatikos koncepcijos gali būti pritaikytos šiuolaikiniams iššūkiams spręsti.

Vis dėlto, kol šios inovacijos pasieks masinę gamybą, DI organizacijos turės laviruoti tarp ribotų resursų ir augančių poreikių. „Memory is the next frontier“ (atmintis yra kita riba) – šis teiginys, kurį cituoja „Data Center Knowledge“, tampa pagrindiniu DI infrastruktūros efektyvumo rodikliu. Artimiausiais metais sėkmė priklausys nuo to, kas sugebės sukurti „inference-ready“ (pasirengusią išvadų darymui) infrastruktūrą, gebančią valdyti šią sudėtingą atminties hierarchiją.

Šaltiniai

  1. [1] [Finance.yahoo.com | Sun, 19 Ju] The AI ‘Memory Wall’ Is About to Get a Lot Taller: These 3 Stocks Will Win Big
  2. [2] [Youtube.com | 2026-08-02] The Memory Wall in AI
  3. [3] [Phisonblog.com | 2026-08-02] The AI Memory Wall: Why AI PCs Can’t Keep Up
  4. [4] [Weka.io | 2026-08-02] The AI Memory Wall: What It Is, Why It Happens & How to Fix It