Britský čip inspirovaný lidským mozkem: AI systémy budou až 2000krát úspornější

Fyzici z Loughborough University ve Spojeném království vyvinuli nový počítačový čip, který by mohl výrazně zvýšit energetickou účinnost některých systémů umělé inteligence (AI).

Fyzici z Loughborough University ve Spojeném království vyvinuli nový počítačový čip, který by mohl výrazně zvýšit energetickou účinnost některých systémů umělé inteligence (AI). Toto zařízení, inspirované fungováním lidského mozku, dokáže zpracovávat data, která se mění v čase, přímo v hardwaru, namísto aby se spoléhalo na software běžící na konvenčních počítačích.

Výzkumníci tvrdí, že tento přístup může být u některých úloh až 2000krát energeticky úspornější než běžné softwarové metody, ačkoli přesné zisky se liší v závislosti na konkrétní aplikaci. „Je to vzrušující, protože to ukazuje, že můžeme přehodnotit způsob, jakým jsou systémy AI konstruovány,“ uvedl Dr. Pavel Borisov, vedoucí výzkumného týmu. „Využitím fyzikálních procesů namísto úplného spoléhání se na software můžeme zásadně snížit energii potřebnou pro tyto typy úloh.“

Práce, publikovaná v časopise Advanced Intelligent Systems, představuje memristorové zařízení na bázi tenkého filmu oxidu niobu s vnitřní strukturální nehomogenitou ve formě náhodných nanopórů. Toto zařízení úspěšně provádělo výpočetní úlohy, jako jsou operace XOR, rozpoznávání obrazu a predikce a rekonstrukce časových řad. Vědci například testovali systém pomocí Lorenzova systému-63, což je známý matematický model chaosu spojený s „motýlím efektem“, kde malé změny mohou vést k velmi odlišným výsledkům.

Tým ukázal, že zařízení dokáže zpracovávat časově závislá data a po jejich vložení do lineárního počítačového modelu může být použito k identifikaci vzorců a krátkodobým předpovědím. Model dokázal úspěšně předpovídat krátkodobé chování chaotického Lorenzova systému a rekonstruovat chybějící data, stejně jako správně identifikovat pixelované obrázky čísel a provádět základní logické operace. To dokazuje, že stejné zařízení může podporovat řadu různých úloh. Tento výzkum otevírá cestu pro škálovatelné, on-chip zařízení využívající all-oxidové rezervoárové systémy, což je klíčové pro energeticky účinnou neuromorfní elektroniku pracující s časovými signály.