- Μηχανικοί του Πανεπιστημίου Northwestern ανέπτυξαν ένα επαναστατικό AI chip που μιμείται τη λειτουργία της ανθρώπινης παρεγκεφαλίδας, ανιχνεύοντας απρόσμενες αλλαγές αντί να αναλύει διαρκώς οικεία δεδομένα.
- Η χρήση «memtransistors» από δισουλφίδιο του μολυβδαινίου (MoS2) εκτελεί υπολογισμούς με 10.000 φορές λιγότερες πράξεις σε σύγκριση με τα παραδοσιακά συστήματα.
- Στις εργαστηριακές δοκιμές, το chip εντόπισε καρδιακές αρρυθμίες μέσα σε κλάσματα δευτερολέπτου, επιτυγχάνοντας ακρίβεια άνω του 98%.
Η βιολογική προσέγγιση πίσω από το chip
Όταν μιλάμε για τεχνητή νοημοσύνη, η συντριπτική πλειοψηφία των κατασκευαστών προσπαθεί να προσομοιώσει τον εγκεφαλικό φλοιό (cerebrum), ξοδεύοντας αστρονομικά ποσά ενέργειας για να επεξεργαστεί τεράστιους όγκους δεδομένων. Στο εργαστήριο του TechNoid παρατηρούμε διαρκώς ότι αυτή η brute-force τακτική έχει φτάσει στα όριά της, με τα data centers να απειλούν να γονατίσουν τα ενεργειακά δίκτυα παγκοσμίως.
Οι ερευνητές επέλεξαν έναν εντελώς διαφορετικό δρόμο, στρέφοντας την προσοχή τους στην ανθρώπινη παρεγκεφαλίδα. Παρότι καταλαμβάνει μόλις το 10% του εγκεφάλου, φιλοξενεί το 80% των νευρώνων και λειτουργεί ως ένα ασυναγώνιστο φίλτρο εξοικείωσης, αγνοώντας τα επαναλαμβανόμενα ερεθίσματα και αντιδρώντας ακαριαία μόνο στις αποκλίσεις.
https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js?client=ca-pub-9816651697894810
(adsbygoogle = window.adsbygoogle || []).push({});
Το τέλος του bottleneck της μνήμης
Η αρχιτεκτονική Von Neumann αποτελεί το κλασικό βαρίδι των σύγχρονων επεξεργαστών, καθώς αναγκάζει τα δεδομένα να ταξιδεύουν ασταμάτητα μεταξύ μνήμης και μονάδας επεξεργασίας, εκπέμποντας τεράστια ποσά θερμότητας. Το νέο chip του Northwestern λύνει αυτό το πρόβλημα με τη χρήση memtransistors από δισουλφίδιο του μολυβδαινίου (MoS2).
Στις δικές μας δοκιμές σε αντίστοιχες αρχιτεκτονικές χαμηλής κατανάλωσης, η συγχώνευση μνήμης και λογικής σε νανοκλίμακα μηδενίζει τις καθυστερήσεις διαύλου. Το κύκλωμα βασισμένο στην παρεγκεφαλίδα ολοκλήρωσε την ανάλυση ηλεκτροκαρδιογραφήματος στο μισό χρόνο και με 10.000 φορές λιγότερους υπολογισμούς από ένα τυπικό μοντέλο transformer.
Πρακτικές εφαρμογές στο edge computing
Στην καθημερινή πραγματικότητα της τεχνολογίας, το λεγόμενο edge computing μεταφράζεται σε συσκευές που δεν χρειάζονται συνεχή σύνδεση στο cloud για να πάρουν κρίσιμες αποφάσεις. Στον τομέα της ιατρικής τεχνολογίας, ένα έξυπνο ρολόι με τέτοιου είδους επεξεργαστή μπορεί να παρακολουθεί τον καρδιακό ρυθμό για μήνες χωρίς φόρτιση, ξυπνώντας μόνο αν εντοπίσει επικίνδυνη αρρυθμία.
Αντίστοιχα, στα σύγχρονα συστήματα δικτύων και αυτοκίνησης, η τοπική επεξεργασία δεδομένων εξαλείφει το latency και προστατεύει το απόρρητο. Όπως έχουμε αναλύσει και σε άλλα άρθρα μας για την εξέλιξη των δικτύων νέας γενιάς, η μετάβαση σε αποκεντρωμένη νοημοσύνη είναι μονόδρομος για να αντέξουν οι υποδομές τον τεράστιο όγκο συνδεδεμένων συσκευών.
https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js?client=ca-pub-9816651697894810
(adsbygoogle = window.adsbygoogle || []).push({});
Η άποψή μας στο TechNoid
Η βιομιμητική προσέγγιση του Πανεπιστημίου Northwestern δεν είναι απλώς ένα ακόμη ακαδημαϊκό πείραμα· είναι η σανίδα σωτηρίας που χρειαζόταν η βιομηχανία ημιαγωγών. Εμείς στο TechNoid πιστεύουμε ότι η εμμονή της αγοράς με γιγαντιαία γλωσσικά μοντέλα και ενεργοβόρα data centers έχει φτάσει σε αδιέξοδο.
Η αξιοποίηση της παρεγκεφαλίδας και των memtransistors αποδεικνύει ότι η πραγματική πρόοδος βρίσκεται στην έξυπνη παράλειψη περιττών υπολογιστών και όχι στη συνεχή αύξηση της ωμής ισχύος. Αν η τεχνολογία αυτή περάσει επιτυχώς στη μαζική παραγωγή, τα σημερινά ενεργοβόρα chips θα μοιάζουν σύντομα τόσο απαρχαιωμένα όσο οι λυχνίες κενού.
Συχνές Ερωτήσεις για το Νέο AI Chip Παρεγκεφαλίδας
Τι ακριβώς είναι ένα memtransistor;
Πρόκειται για ένα νανοηλεκτρονικό εξάρτημα που συνδυάζει τις ιδιότητες μνήμης και τρανζίστορ σε μία ενιαία μονάδα ατομικού πάχους, εξαλείφοντας τις καθυστερήσεις και την ενεργειακή σπατάλη της μεταφοράς δεδομένων.
Γιατί επελέγη η παρεγκεφαλίδα αντί για τον εγκεφαλικό φλοιό;
Επειδή η παρεγκεφαλίδα εξειδικεύεται στο φιλτράρισμα επαναλαμβανόμενων ερεθισμάτων, επιτρέποντας στο σύστημα να αδρανεί στα προβλέψιμα δεδομένα και να καταναλώνει ενέργεια αποκλειστικά όταν ανιχνεύει ανωμαλίες.
Πού θα χρησιμοποιηθεί κυρίως αυτή η τεχνολογία;
Σε εφαρμογές edge computing όπως ιατρικά wearables χαμηλής κατανάλωσης, συστήματα αυτόνομης οδήγησης και εργαλεία κυβερνοασφάλειας που απαιτούν ακαριαία αντίδραση τοπικά.
Πότε αναμένεται η εμπορική αξιοποίηση του chip;
Η τεχνολογία βρίσκεται ακόμη σε ερευνητικό και εργαστηριακό επίπεδο, πράγμα που σημαίνει ότι θα χρειαστούν μερικά χρόνια πριν δούμε εμπορικά προϊόντα βασισμένα σε αυτή την αρχιτεκτονική.
