Учени изпълняват напредък в борбата с нарастващата енергийна консумация, свързана с напредъка в Изкуствен интелект. Най-новата иновация в чиповете за ИИ, разработена от екип от Университета на щата Орегон, има за цел да значително увеличи енергийната ефективност, надхвърляйки текущите стандарти за чипове за ИИ.
Екипът, воден от професор Сиеун Чей, интегрира новаторска материална платформа, вдъхновена от биологични невронни мрежи, за създаване на революционен чип за ИИ. Този чип се отличава както в областта на изчисленията, така и на съхранението на данни едновременно, революционирайки енергийната ефективност спрямо традиционните чипове за ИИ. Чей обясни, че дизайнът позволява минимално преместване на данни между паметта и процесора, което допринася за по-енергийноефективни операции на ИИ.
Публикуван в престижния журнал ‘Nature Electronics’, ключовата част от новия чип за ИИ е „менристорът“, компонент, съставен от повече от шест елемента, наречени „оксиди със стабилизирана ентропия“ (ESO). Тази сложна система от материали ESO предлага точни настройки за изпълнението на паметта поради разнообразния си състав от елементи.
Подобността на чипа с менристор към биологичните невронни мрежи лежи в липсата му на външни източници на памет, което изключва загубата на енергия по време на преноса на данни от вътрешното към външното. Чрез оптимизиране на конфигурацията на ESO за конкретни ИИ задачи, чипът на базата на ESO може да надминава централния процесор на компютъра (CPU) по отношение на енергийна ефективност.
Освен това, изследователският екип настрои състава на ESO, за да позволи на устройството да функционира в различни времеви мащаби, което позволява на изкуствените невронни мрежи да обработват времезависима информация като аудио и видео данни ефективно. Това изследване, подкрепено от Националната научна фондация, подчертава обещаваща посока за развитието на енергийно ефективни технологии в областта на ИИ.
**Допълнителни факти:**
– Развитието на енергийно ефективни чипове за ИИ е от съществено значение за намаляване на въглеродния отпечатък на ИИ системите, които в момента са значителни източници на глобална енергийна консумация.
– Компании като NVIDIA и Google също инвестират в научни изследвания и развитие, за да подобрят енергийната ефективност на чиповете за ИИ за широк спектър от приложения, от центрове за данни до потребителска електроника.
– Продължаващите напредъци в дизайна на чиповете за ИИ не само ползват енергийната ефективност, но и позволяват по-бързи скорости на обработка и подобряват производителността за сложни ИИ задачи като обработката на естествен език и разпознаването на изображения.
**Ключови въпроси:**
1. Как се сравнява производителността на новия чип за ИИ, разработен от екипа от Университета на щата Орегон, със съществуващите технологии на чиповете за ИИ по отношение на енергийна ефективност?
2. Кои конкретни приложения или индустрии имат най-голяма полза от подобрената енергийна ефективност на новите чипове за ИИ?
3. Какви са потенциалните последици от широкото приемане на енергийно ефективни чипове за ИИ в развитието и разпространението на технологиите на ИИ в различни области?
**Ключови Предизвикателства:**
1. Увеличаване на производството на тези нови чипове за ИИ, за да се отговори на комерсиалното търсене, като се запази икономичността.
2. Осигуряване на съвместимост и интеграция на новата технология на чиповете за ИИ със съществуващи хардуерни и софтуерни системи.
3. Адресиране на проблемите, свързани със защитата на данните и сигурността в ИИ системите, захранвани от енергийно ефективни чипове.
**Предимства:**
– Подобрена енергийна ефективност може да доведе до намалени оперативни разходи и около-средата въздействие за организациите, използващи технологии на ИИ.
– Подобрени производителност и възможности за изчисления могат да позволят разработката на по-сложни ИИ приложения и услуги.
– Изключването на загубата на енергия по време на преноса на данните може да засили общото надеждност и продължителност на изкуствените невронни мрежи.
**Недостатъци:**
– Началните разходи за внедряване и потенциалните пречки пред широкото приемане на новите технологии на чиповете за ИИ.
– Проблеми със съвместимостта на легаси системи, които могат да изискват допълнителни инвестиции в хардуер и софтуер за пълно интегриране.
– Сигурностни уязвимости и етичните последици от напредъка в ИИ, захранвани от енергийно ефективни чипове, изискват внимателно обмисляне и стратегии за смекчаване.
**Свързани Връзки:**
– Университет на щата Орегон
– NVIDIA
– Google
The source of the article is from the blog oinegro.com.br