מבצע התקדמותי במדעי החומרים של AI מוכן למהפך בטכנולוגיה
הפרופסור סנסטבי, פרופסור משנה ראשון בכימיה של חומרי אינורגניים באוניברסיטת אוסלו, על סף לשנות את הדרך שבה מערכות הלמידה התוכנית (AI) פועלות. עם מענק חדש ממועצת המחקר האירופית, הוא מטרתו ליצור מעמד חדש של חומרים שיוכל להפחית באופן משמעותי את צריכת האנרגיה של מערכות AI.
הסוגיות ברמת האינטנסיביות של מערכות AI הנוכחיות הן דבר מוכר, ואף על פי כן, החומרים שסנסטבי מפתח יבטיחו יעילות רבה יותר בזכות המאפיינים המקוריים שלהם. בניגוד לקשבי AI עכשווים שמצריכים דיוק לשמור על זיכרון, החומרים של סנסטבי יכולים לזכור לאחר הוראה יחידה מה שמפחית את צורך באימון חוזר ולכן צריכת האנרגיה.
טכניקות מתקדמות ליצור חומרים מציגות אתגר שסנסטבי פותר באמצעות שימוש בהפקת שכבת אטומית (ALD), שיטה שבה נבנים חומרים שכבה אחרי שכבה לאורח דיוקני. פרויקט זה, ששותף לייצור החומרים הללו כולל איבמי, מטרה לתעשות ייצורית של חומרים אלו.
אפליקציות הפוטנציאל הן מגוונות. במכלולי הרכב עצמאי, השימוש בחומר חדש זה יכול לשמור על כוח-המחשב הידני מהיר ומקומי (מחשוב שולי), מה שמחסוך בזמן ובאנרגיה. כלפי פרטיות, מערכות מעקב יכולות להיות מעוצבות כך שהן רק מזהות ושומרות פנים מסוימות שזוהו מראש, משפרות כך גם את היעילות ואת הפרטיות.
AI לא עיוותים וניתוחי רפואית יכולים גם להרוויח מהחומר הזה, אשר יכול לסווג נתונים ללא הטרות הנביאות מצד אדם, ואולי גם לחשוף דפוסים חדשים בצילום רפואי.
חומרים חביבים וגמישים לידי גישה הם בליבת מחקרו של סנסטבי. יחד עם זאת, הערכים המדויקים עדיין לא פורסמו, הוא מבטיח כי החומרים מכילים אלמנטים לא-רעילים נפוצים ומשתמשים ב-ALD, שיטת אנרגיה נמוכה, ומעלה כיוון כלכלי וסביבתי ידידותי לטכנולוגיה של AI.
חשיבות החקירה במדעי החומרים ב- AI
החיפוש אחר חומרים מהפכניים בAI מתמקד בהפחתת העקבות האנרגטיות של מערכות אלה, ראשיות לצרכים התחרותיים בדרך לטכנולוגיה בר קיימא. הצריכה הגבוהה של אנרגיה אינה רק מעלה את עלויות הפעולה עדכוניות אלא גם מחמירה על הנפחת הפלדות הישראלית, מה שיש לו השלכות סביבתיות רבות. פיתוח חומרים חדשים כמו אלה שהיפסד סנסטבי יכול לספק פתרון מרכזי לקידמה לטכנולוגית AI ירוקה.
אתגרים עיקריים ומחלוקות
אתגר מרכזי ברמה העליונה של החומר יכול להציע פיתרונות בסביבת מעבדה, ייצור רב כדי שהרלטה חומרי שדרות אומץ משמעותי. ישנו גם אתגר בהקשר של השבת שחומרי החדש יהיו על תאומי היתריות.
בנוסף, ייתכנו רוזקות הקשורות לקניין רפואי ולפרטיות. מאשר החומרים החדשים אפשרו עיבוד נתונים יעיל יותר, שאלות אודות מי בבעלות על השיפורים בטכנולוגיה וכיצד הפרטיות נהנה.
יתרונות וחסרונות
יתרונות:
1. יעילות אנרגטית: חומרים שמורידים את הצורך באימון חוזר ובזכרון יצרי יורידו את הציד החשמתי בחשמל.
2. חביבות: שימוש באלמנטים אינורגניים רגילים במערכות AI עומד בכידועי.
3. ביצועים: חומרים משופרים עשויים להוביל אל תקינות מחשבת מהירה יותר וליכולות AI גדולות יותר.
4. יעילות כלכלית: שימוש ב-ALD מציין את רמות הפקת לוח צנט בהתגוננות.
חסרונות:
1. התאמה טכנולוגית: מערכות קיימות עשויות לדרוש תיקון יישולי ניכר עם חומרים חדשים.
2. תלות באיברים עיקריים: למרות שהייזומה מתמקדת בשימוש באלמנטים רגילים, קיימת הסיכון שהבעלים יוכל לרחוץ לספק
3. רעיון טכנולוגי: חומרים חדשים יכולים להכניס אפקטים ברורים בהתנהגות ובאמינות ה-AI.
לקבלת מידע נוסף אודות AI ומדעי החומרים, אפשר לחפש ארגוני תעשייה ומוסדות מחקר שהם בשיא החדידה הטכנולוגית. מוסד אחד בסוג זה הוא איבמי, מוזכר עבור שיתוף הפעולה שלו עם הפרויקט של פרופסור סונסתבי. לקריאה נוספת על חצירת החידוש בין מדעי החומרים ו-AI, מוזמנים לעיין ב-איבש יליף. להבין את ההקשר הרחב של המהפכה בטכנולוגיה והמלצות למחקר יכול נתן לסונסתבי, צאו בשחק מועצת המחקר האירופית.
The source of the article is from the blog agogs.sk