Xiameno universiteto mokslininkai pirmą kartą eksperimentiškai pademonstravo neuromorfinį įrenginį, veikiantį pačios molekulės lygmeniu. Prietaisas vienai operacijai sunaudoja vos ~6,34 atodžaulio (aJ) energijos – milijardus kartų mažiau nei įprasti procesoriai, ir tai signalizuoja apie visai kitokią energetinę pusiausvyrą dirbtinio intelekto ateityje.
Smegenų architektūra, o ne sekli seka
Tradicinė kompiuterija, net ir šiuolaikiniai DI greitintuvai, remiasi von Neumanno architektūra, kurioje duomenų judėjimas tarp atminties ir procesoriaus sukuria nuolatinį pralaidumo trūkumą, vadinamą „butelio kakleliu“. Ši spūstis reikalauja didelių energijos sąnaudų – futuristas Ianas Khanas pastebi, jog duomenų centrai jau sunaudoja daugiau nei 1 % pasaulinės elektros energijos. Neuromorfiniai lustai šią problemą sprendžia iš esmės kitaip: jie mėgdžioja biologinių neuronų veikimą, informaciją perduoda ne nuolatiniu duomenų srautu, o pavieniais elektriniais impulsais, o apdorojimas vyksta ten, kur saugomi duomenys (atmintyje). Tokia įvykiais varoma skaičiavimo logika leidžia lustui tarp impulsų beveik nevartoti energijos.
„Skirtingai nuo tradicinių architektūrų, neuromorfinės sistemos sukurtos imituoti žmogaus smegenų neuronų struktūras, todėl jos geba itin efektyviai ir realiu laiku apdoroti informaciją, suvartodamos minimalų energijos kiekį“, – pabrėžia I. Khanas. Praktinius pavyzdžius jau pateikia tokių lustų prototipai, pavyzdžiui, „Intel Loihi 2“ ar MIT laboratorijose gimę sprendimai, perkeliantys technologiją iš akademinių tyrimų į verslo aplinką.
Vienos molekulės atmintis – 10 būsenų ir mokymasis
Gamtos žurnale „Nature“ aprašytas vienos molekulės prietaisas šią logiką nustumia iki pačios mažiausios įmanomos skalės. Tyrėjai panaudojo elektrocheminį valdymą, kad smulkiomis įtampomis reguliuotų molekulės ir jonų elektrostatinę sąveiką, taip sukurdami daugiau nei dešimt skirtingų laidumo būsenų. Šios būsenos imituoja neuronų plastiškumą: trumpalaikę atmintį, ilgalaikį įsiminimą, asociatyvųjį mokymąsi pagal Pavlovo sąlygojimo principą ir net Morzės abėcėlės signalų atpažinimą.
„Mūsų atradimas yra pirmasis eksperimentinis neuromorfinių įrenginių pademonstravimas vienos molekulės masteliu – tai atveria unikalų potencialą tvariai, energiją tausojančiai dirbtinio intelekto ateičiai“, – rašo mokslininkų grupė. Kadangi vienos operacijos energijos sąnaudos siekia vos kelis atodžaulius, toks prietaisas gali tapti pagrindu jutikliams ar kraštiniams įrenginiams, kuriems svarbus ne tik galingumas, bet ir baterijos veikimo laikas.
Kur maža energija tampa dideliu pranašumu
Energinis efektyvumas neuromorfiniuose sprendimuose nėra tik kosmetinis pagerėjimas. Tai esminis veiksnys, įgalinantis dirbtinį intelektą ten, kur iki šiol jo diegti beveik nebuvo įmanoma. Kalbame apie autonomines transporto priemones, išmaniąją vaizdo stebėseną, robotiką ar realaus laiko kalbos atpažinimą – visas šias sritis jungia vienas reikalavimas: sprendimai turi būti priimami vietoje, nedelsiant ir be nuolatinio ryšio su debesų serveriais.
Lusto gebėjimas mokytis tiesiogiai vietoje, apdorojant jutiklių duomenis, reiškia, jog nelieka poreikio didžiuliams duomenų kiekiams keliauti į centrinius serverius, o vėliau grįžti su rezultatais. Todėl auga ne tik energijos taupymas, bet ir privatumas, atsako greitis bei sistemos patikimumas. Analitikai skaičiuoja, kad neuromorfinių lustų rinka 2024 metais siekė 1,68 mlrd. JAV dolerių, o iki 2035-ųjų turėtų išaugti iki 10 mlrd. dolerių – tai rodo, jog pramonė pereina nuo eksperimentų prie komercializavimo etapo.
Ką toliau?
Nors pavieniai proveržiai – nuo „Loihi 2“ iki molekulinio sinapsės analogo – atrodo įspūdingai, iki plataus taikymo dar laukia nemažas kelias. Mokslininkai aktyviai dirba ties pažangesniais mokymosi algoritmais, multimodaliniu jutiklių integravimu (pavyzdžiui, regos ir lytėjimo derinimu) ir medžiagų mokslo inovacijomis, kurios leistų tokius lustus gaminti stabiliai ir pigiai.
Įvykiu varoma architektūra, leidžianti lustui beveik nevartoti energijos tarp signalų, ir molekulinio masto operacijų sąnaudos kartu atveria scenarijų, kuriame pažangus dirbtinis intelektas veiks ten, kur baterija – vienintelis energijos šaltinis, o nuolatinis ryšys su debesija nepatikimas. Tai nebe laboratorinė svajonė, o inžinerinis uždavinys, kurį pramonė sparčiai sprendžia.
> Tai nėra investavimo patarimas.
