Mokslininkai padarė pažangą spręsdami suintensyvėjusios energijos sąnaudų problemas, susijusias su dirbtinio intelekto pažanga. Naujausia šioje srityje pasiektas technologinis proveržis, kurį sukūrė Oregono valstijos universiteto komanda, siekia ženkliai padidinti energijos našumą, lenkdama esamus dirbtinio intelekto lustus.
Komandą, vadovaujamą profesore Sieun Chae, sudarė naujos gamybos platformos, įkvėptos biologinių neuroninių tinklų, specialistai, sukūrę inovatyvų dirbtinio intelekto lustą. Šis lustas išsiskiria tuo, kad puikiai veikia tiek skaičiavimais, tiek duomenų saugojimu tuo pačiu metu, palyginti su tradiciniais dirbtinio intelekto lustais. Chae paaiškino, kad dėl šios konstrukcijos minimaliam duomenų judėjimui tarp atminties ir procesoriaus galima atlikti energiją taupančius dirbtinio intelekto veiksmus.
Publikuotas prestižiniame žurnale ‘Nature Electronics,’ naujo dirbtinio intelekto lėtai dalinamo lango pagrindinis komponentas yra ‘mimristorius’, sudarytas iš daugiau nei šešių elementų, vadinamų ‘entropijos-stabilizuotais oksidais (ESO)’. Ši subrendusi ESO medžiagų sistema siūlo tikslią atminties našumo reguliavimo galimybę dėl jos įvairių elementų sudėties.
Mimristoriaus panašumas į biologinius neuroninius tinklus slypi jo neturinyje išorinių atminties šaltinių, kurių dėka nėra energijos nuostolių vykdant vidaus-išorinius duomenų perdavimus. Optimizuojant ESO konfigūraciją konkrečioms dirbtinio intelekto užduotims, bazės ESO lustas gali būti efektyvesnis energijos našumo atžvilgiu už kompiuterio centrinius procesorius (CPU).
Be to, tyrėjų komanda subalansavo ESO sudėtį, kad įrenginys galėtų veikti per įvairius laiko skalės tipus, leisdamas dirbtiniams neuroniniams tinklams efektyviai apdoroti laiko priklausomą informaciją, tokia kaip garso ir vaizdo duomenys. Šis mokslas, remiamas Nacionalinės mokslo fondo, pabrėžia įžvalgią kryptį energijai efektyvių dirbtinio intelekto technologijų vystymui.
**Papildomi faktai:**
– Energią taupančių dirbtinio intelekto lustų kūrimas yra labai svarbus siekiant sumažinti dirbtinio intelekto sistemų anglies pėdsaką, kuris šiuo metu sudaro didelę dalį globalios energijos suvartojimo.
– Įmonės, tokios kaip NVIDIA ir Google, taip pat investuoja į tyrimus ir plėtrą, siekdamos pagerinti dirbtinio intelekto lustų energijos našumą įvairiose srityse, nuo duomenų centrų iki vartotojų elektronikos.
– Pažangos dirbtinio intelekto lustų dizaino srityje ne tik sumažina energijos našumą, bet taip pat leidžia greitesniems apdorojimo greičiams ir pagerinta veiklai sudėtingose dirbtinio intelekto užduotyse, pavyzdžiui, natūralios kalbos apdorojime ir vaizdų atpažinime.
**Pagrindiniai klausimai:**
1. Kaip naujo Oregono valstijos universiteto komandos sukūrto dirbtinio intelekto lizdo našumas lyginant su esamomis dirbtinio intelekto lustų technologijomis energijos efektyvumo požiūriu?
2. Kurie konkretūs pritaikymai ar pramonės sektoriai labiausiai pasinaudos iš tobulėjančio naujų dirbtinio intelekto lustų energijos efektyvumo?
3. Kokios galimos pasekmės, jei plačiai pradės naudoti energiją taupančius dirbtinio intelekto lustus, plėtrai ir diegimui įvairiose srityse?
**Pagrindinės iššūkiai:**
1. Išplėsti naujoviškų dirbtinio intelekto lustų gamybą siekiant patenkinti komercinį poreikį ir išlaikant ekonominį efektyvumą.
2. Užtikrinti naujos dirbtinio intelekto lizdo technologijos suderinamumą ir integraciją su esamais aparatūros ir programinės įrangos sistemomis.
3. Spręsti susirūpinimą keliančius klausimus dėl duomenų privatumo ir saugumo dirbtinio intelekto sistemose, maitinamose energiją taupančiais lizdais.
**Privalumai:**
– Padidėjęs energijos našumas gali padėti sumažinti išlaikymo išlaidas ir aplinkos poveikį organizacijoms, naudojančioms dirbtinio intelekto technologijas.
– Geriau veikiantis su našumu ir skaičiavimo galimybėmis galės leisti plėtoti sudėtingesnes dirbtinio intelekto programas ir paslaugas.
– Atsisakant energijos nuostolių duomenų perduodant gali padidinti bendrą patikimumą ir dirbtinio intelekto sistemų eksploatavimo laiką.
**Trūkumai:**
– Pradinių įdiegimo išlaidų ir galimybių kliūčių naujų dirbtinio intelekto lizdo technologijų platesniam naudojimui.
– Suderinamumo problemos su senomis sistemomis gali reikalauti papildomų investicijų aparatūros ir programinės įrangos atnaujinimams visiškai įtraukiant.
– Saugumo spragos ir etiniai klausimai, susiję su energiją taupančiais lizdais varomais dirbtinio intelekto pažangomis, reikalauja atsargių apmąstymų ir mažinimo strategijų.
**Susijusios nuorodos:**
– Oregono valstijos universitetas
– NVIDIA
– Google