Οι ερευνητές έχουν σημειώσει πρόοδο στην αντιμετώπιση της αυξανόμενης ενεργειακής κατανάλωσης που σχετίζεται με τις προηγμένες εξελίξεις στην τεχνητή νοημοσύνη. Η τελευταία καινοτομία στα microchips της τεχνητής νοημοσύνης, αναπτυγμένη από μια ομάδα στο Πανεπιστήμιο της Πολιτείας Όρεγκον, στοχεύει στη σημαντική βελτίωση της ενεργειακής απόδοσης, υπερβαίνοντας τα παρόντα πρότυπα microchips της τεχνητής νοημοσύνης.
Η ομάδα, υπό την καθοδήγηση της καθηγήτριας Sieun Chae, ενσωμάτωσε μια νέα πλατφόρμα υλικού εμπνευσμένη από βιολογικά νευρωνικά δίκτυα για να δημιουργήσει ένα κορυφαίο microchip τεχνητής νοημοσύνης. Αυτό το microchip ξεχειλίζει τόσο στο υπολογισμό όσο και στην αποθήκευση δεδομένων ταυτόχρονα, επαναστατώνοντας την ενεργειακή απόδοση σε σύγκριση με τα παραδοσιακά microchips τεχνητής νοημοσύνης. Η Chae εξήγησε ότι η σχεδίαση επιτρέπει ελάχιστη μετακίνηση δεδομένων μεταξύ μνήμης και επεξεργαστή, επιτρέποντας πιο ενεργειακά αποδοτικές λειτουργίες τεχνητής νοημοσύνης.
Δημοσιευμένο στο αξιόλογο περιοδικό “Nature Electronics,” το βασικό στοιχείο του νέου microchip τεχνητής νοημοσύνης είναι το “μεμρίστορ”, ένα στοιχείο που αποτελείται από περισσότερα από έξι στοιχεία που ονομάζονται “οξείδια εντροπίας-σταθοποιητές (ESO)”. Αυτό το προηγμένο σύστημα υλικού ESO προσφέρει ακριβείς προσαρμογές απόδοσης μνήμης λόγω της διαφορετικής σύνθεσης στοιχείων του.
Η ομοιότητα του μεμρίστορ με τα βιολογικά νευρωνικά δίκτυα οφείλεται στην απουσία εξωτερικών πηγών μνήμης, εξαλείφοντας την απώλεια ενέργειας κατά τη μεταφορά δεδομένων από το εσωτερικό προς το εξωτερικό. Με τη βελτιστοποίηση της διάταξης ESO για συγκεκριμένες εργασίες τεχνητής νοημοσύνης, το microchip με βάση την ESO μπορεί να ξεπεράσει την κεντρική μονάδα επεξεργασίας (CPU) ενός υπολογιστή σε ενεργειακή απόδοση.
Επιπλέον, η ομάδα έχει ρυθμίσει τη σύνθεση της ESO για να επιτρέψει στη συσκευή να λειτουργεί σε διάφορες χρονικές κλίμακες, επιτρέποντας στα τεχνητά νευρωνικά δίκτυα να επεξεργάζονται πληροφορίες που εξαρτώνται από τον χρόνο όπως ήχο και βίντεο αποτελεσματικά. Αυτή η μελέτη, που υποστηρίζεται από το Εθνικό Ίδρυμα Επιστημών, επισημαίνει μια ελπιδοφόρα κατεύθυνση για την ανάπτυξη τεχνολογίας ενεργειακά αποδοτικής τεχνητής νοημοσύνης.
The source of the article is from the blog elektrischnederland.nl