كيف يمكن لأجهزة الذكاء الاصطناعي التناظرية أن تخفض يومًا ما التكاليف وانبعاثات الكربون

ألا تستطيع حضور Transform 2022؟ تحقق من جميع جلسات القمة في مكتبتنا عند الطلب الآن! انظر هنا.

هل يمكن أن تستخدم أجهزة الذكاء الاصطناعي (AI) التناظرية ، وليست الرقمية ، معالجة سريعة منخفضة الطاقة لحل التكاليف المتزايدة والبصمة الكربونية للتعلم الآلي؟

يقول الباحثون نعم: يتصور لوجان رايت وتاتسوهيرو أونوديرا ، الباحثان في NTT Research وجامعة كورنيل ، مستقبلًا يتم فيه تنفيذ التعلم الآلي (ML) باستخدام أجهزة فيزيائية جديدة ، مثل تلك القائمة على الضوئيات أو الميكانيكا النانوية. هذه الأجهزة غير التقليدية ، كما يقولون ، يمكن تطبيقها في كل من إعدادات الحافة والخادم.

تعتمد الشبكات العصبية العميقة ، التي تقع في صميم جهود الذكاء الاصطناعي الحالية ، على الاستخدام المكثف للمعالجات الرقمية مثل وحدات معالجة الرسومات. ولكن لسنوات ، كانت هناك مخاوف بشأن التكاليف النقدية والبيئية للتعلم الآلي ، مما يحد بشكل متزايد من قابلية تطوير نماذج التعلم العميق.

أجرى بحث عام 2019 من جامعة ماساتشوستس ، أمهيرست ، على سبيل المثال ، تقييمًا لدورة الحياة لتدريب العديد من نماذج الذكاء الاصطناعي الكبيرة الشائعة. ووجد أن العملية يمكن أن تنبعث منها أكثر من 626 ألف رطل من مكافئ ثاني أكسيد الكربون ، أي ما يقرب من خمسة أضعاف انبعاثات متوسط ​​العمر لسيارة أمريكية ، بما في ذلك تصنيع السيارة نفسها.

خلال جلسة مع NTT Research في القمة التنفيذية لـ VentureBeat Transform في 19 يوليو ، قال الرئيس التنفيذي Kazu Gomi أن التعلم الآلي لا يحتاج إلى الاعتماد على الدوائر الرقمية ، ولكن بدلاً من ذلك ، يمكن أن يعمل على شبكة عصبية مادية. إنه نوع من الشبكات العصبية الاصطناعية حيث يتم استخدام الأجهزة التناظرية المادية لمحاكاة الخلايا العصبية ، على عكس الأساليب البرمجية.

قال "إن أحد المزايا الواضحة لاستخدام الأنظمة التناظرية بدلاً من الأنظمة الرقمية هو استهلاك الطاقة للذكاء الاصطناعي". "مشكلة الطاقة حقيقية ، لذا فإن السؤال المطروح هو ما هي الطرق الجديدة لجعل التعلم الآلي أسرع وأكثر كفاءة في استخدام الطاقة؟"

الذكاء الاصطناعي التناظري: أشبه بالدماغ؟

منذ الأيام الأولى للذكاء الاصطناعي ، لم يحاول الناس التفكير في كيفية صنع أجهزة كمبيوتر رقمية ، كما أشار رايت.

"كانوا يحاولون التفكير في كيفية تقليد الدماغ ، وهو بالطبع ليس رقميًا" ، أوضح. "ما يدور في ذهني هو نظام تمثيلي ، وهو في الواقع أكثر كفاءة في إجراء أنواع الحسابات التي تحدث في الشبكات العصبية العميقة من الدوائر المنطقية الرقمية اليوم."

يعد الدماغ مثالاً على الأجهزة التناظرية لعمل الذكاء الاصطناعي ، لكن البعض الآخر يشمل الأنظمة التي تستخدم البصريات.

"المثال المفضل لدي هو الموجات ، لأن الكثير من الأشياء مثل البصريات تعتمد على الموجات ،" قال. "في حوض الاستحمام ، على سبيل المثال ، يمكنك صياغة المشكلة لترميز مجموعة من الأرقام. في مقدمة الحوض يمكنك وضع موجة ويمنحك ارتفاع الموجة متجه X. تترك النظام يتطور لفترة من الوقت وتنتشر الموجة إلى الطرف الآخر من الحوض. بعد فترة ، يمكنك قياس ارتفاع ذلك ، وهذا يمنحك مجموعة أخرى من الأرقام.

بشكل أساسي ، يمكن للطبيعة نفسها إجراء العمليات الحسابية. قال "وليس عليك توصيله بأي شيء".

مقاربات الأجهزة للذكاء الاصطناعي التناظري

يستخدم باحثو الصناعة مجموعة متنوعة من الأساليب لتطوير الأجهزة التناظرية. على سبيل المثال ، استثمرت شركة IBM Research في الإلكترونيات التناظرية ، وتحديداً تقنية memristor ، لإجراء حسابات التعلم الآلي.

"إنه أمر واعد للغاية" ، قال أونوديرا. "تتميز دوائر memristor هذه بامتلاك معلومات محسوبة بشكل طبيعي بطبيعتها مثل تدفق الإلكترونات عبر الدائرة ، مما يسمح لها باستهلاك طاقة أقل بكثير من الإلكترونيات الرقمية."

ومع ذلك ، تركز أبحاث NTT ​​على إطار عمل أكثر عمومية لا يقتصر على تقنية memristor. "يهدف عملنا أيضًا إلى تمكين الفيزياء الأخرى ...