Forskarar har gjort framsteg med å takle den aukande energiforbruket knytt til AI-utviklingar. Den siste innovasjonen innan AI-brikker utvikla av eit team ved Oregon State University har som mål å markant forbetre energieffektiviteten og overgå gjeldande standardar for AI-brikker.
Teamet, leia av professor Sieun Chae, integrerte ei ny materiell plattform inspirert av biologiske nevrale nettverk for å skape ei banebrytande AI-brikke. Denne brikka utmerkar seg i både berekning og datalagring samtidig og revolusjonerer energieffektiviteten i samanlikning med tradisjonelle AI-brikker. Chae forklarte at designet gjer det mogleg med minimal datarørsle mellom minne og prosessor, noko som gjer AI-operasjonar meir energieffektive.
Publisert i det prestisjetunge tidsskriftet «Nature Electronics,» er den viktigaste komponenten i den nye AI-brikka «memristoren,» ein komponent samansett av meir enn seks element kalla «entropy-stabilized oxides (ESO).» Dette sofistikerte ESO-materialsystemet tilbyr presise minnefunksjonstilpassingar på grunn av si breie elementkomposisjon.
Memristoren si liknandeheit med biologiske nevrale nettverk ligg i mangel på eksterne minnekjelder, noko som eliminert energitap under intern til ekstern datatransport. Ved å optimalisere ESO-konfigurasjonen for spesifikke AI-oppgåver, kan ESO-baserte brikker prestere betre enn dei vanlege sentrale prosessoreiningane (CPU) i ein datamaskin med tanke på energieffektivitet.
Vidare finjusterte forskarteamet ESO-samansetninga for å gjere det mogleg for utstyret å fungere på ulike tidsrammer, noko som tillèt at kunstige nevrale nettverk kan bearbeide tidsavhengig informasjon som lyd- og videodata effektivt. Denne studien, støtta av National Science Foundation, markerer ein lovande retning for utvikling av energieffektiv AI-teknologi.
**Ytterligare fakta:**
– Utvikling av energieffektive AI-brikker er avgjerande for å redusere karbonfotavtrykket til AI-system, som no er betydelege bidragsytarar til globalt energiforbruk.
– Selskap som NVIDIA og Google investerer òg i forsking og utvikling for å betre energieffektiviteten til AI-brikker for ei brei rekke bruksområde, frå data- sentra til forbrukarelektronikk.
– Framsteg innan AI-brikkedesign gagnar ikkje berre energieffektiviteten, men gjer òg raskare prosessering og betra ytelse mogleg for komplekse AI-oppgåver som naturleg språkbehandling og bildegjenkjenning.
**Viktige spørsmål:**
1. Korleis samanliknar ytelsen til den nye AI-brikka utvikla av teamet ved Oregon State University seg med eksisterande AI-brikketeknologiar med omsyn til energieffektivitet?
2. Kva spesifikke bruksområde eller industrisektorar vil dra mest nytte av den forbetra energieffektiviteten til desse nye AI-brikkene?
3. Kva er dei moglege implikasjonane av vidtrekkande aksept av energieffektive AI-brikker for utvikling og utrulling av AI-teknologiar i ulike felt?
**Viktige utfordringar:**
1. Å skalere opp produksjonen av desse nye AI-brikkane for å møte kommersiell etterspørsel medan ein opprettheld kostnadseffektivitet.
2. Å sikre kompatibilitet og integrering av den nye AI-brikketeknologien med eksisterande maskinvare- og programvaresystem.
3. Å adressere bekymringar knytt til datavern og tryggingsutfordringar i AI-system som drivast av energieffektive brikker.
**Fordeler:**
– Forbetra energieffektivitet kan føre til reduserte operasjonskostnader og miljøpåvirkning for organisasjonar som nyttar AI-teknologiar.
– Betra ytelse og berekningsevner kan oppmuntre til utvikling av meir avanserte AI-apper og -tenester.
– Eliminering av energitap under datatransportar kan forbetre pålitelegheit og levetid for AI-system.
**Ulemper:**
– Innleiande implementeringskostnadar og potensielle hindringar for vidtrekkande aksept av nye AI-brikketeknologiar.
– Kompatibilitetsutfordringar med eldre system kan krevje ekstra investeringar i maskinvare- og programvareoppgraderingar for full integrering.
– Tryggingsårbarheiter og etiske implikasjonar av AI-framsteg drevne av energieffektive brikker krev nøye omsyn og risikoreduserande strategiar.
**Relaterte lenker:**
– Oregon State University
– NVIDIA
– Google
The source of the article is from the blog zaman.co.at