Энергосберегающий ИИ, основанный на физике, опередит традиционные нейронные сети

Искусственный интеллект (ИИ) изменил наш цифровой мир, однако его использование сопряжено с большими затратами энергии. Поиск более энергоэффективного метода искусственного интеллекта привел ученых Института Макса Планка к революционному открытию, которое может изменить будущее искусственного интеллекта.

Системы искусственного интеллекта, подобные GPT-3, несмотря на свою революционность, потребляют огромное количество энергии. Компания Open AI, ответственная за создание ChatGPT, не сообщила точных данных о потреблении энергии при обучении GPT-3. Однако, по оценкам, оно эквивалентно годовому потреблению 200 крупных немецких домохозяйств. И хотя GPT-3 способен различать, следует ли за словом “deep” слово “sea” или “learning”, он с трудом улавливает глубинный смысл слов.

Нейроморфные вычисления: Новая волна

В то время как современные ИИ опираются на цифровые компьютеры, исследователи изучают возможности нейроморфных вычислений для снижения энергопотребления. Вопреки своему названию, она не полностью совпадает с искусственными нейронными сетями. Традиционные системы ИИ имитируют мозговые процессы, но зависят от цифровых компьютеров, разделяя память и процессор. Как отмечает Флориан Марквардт, директор Института Макса Планка, передача данных между этими компонентами потребляет значительную часть энергии.

Наш мозг обрабатывает мысли параллельно, избегая последовательной обработки, характерной для современных компьютеров. Вместо отдельных памяти и процессоров наши синапсы объединяют эти две функции. Современные компьютеры не выдержат эволюционных испытаний из-за неэффективного энергопотребления и возможных перегревов. Отсюда интерес к нейроморфным системам, в которых используются световые компоненты, выполняющие функции как коммутатора, так и памяти.

Самообучающаяся физическая машина

Компания Marquardt в сотрудничестве с Виктором Лопесом-Пастором предлагает концепцию, меняющую ход событий, – самообучающуюся машину. Эта система повышает эффективность, оптимизируя свою работу без внешней обратной связи, что позволяет экономить не только энергию, но и время. Марквардт подчеркивает, что, хотя точный процесс не обязательно знать, для эффективной работы он должен быть обратимым и нелинейным.

Для этого подходят только нелинейные процессы, в которых происходят сложные преобразования “вход-выход”. Простая аналогия: одиночный шарик, движущийся по тарелке, демонстрирует линейное действие. Но как только он сталкивается с другим шариком, динамика становится нелинейной.

В настоящее время дуэт Лопес-Пастор и Марквардт работает над созданием оптического нейроморфного компьютера, использующего силу наложенных световых волн. Они намерены в течение трех лет выпустить первую физическую самообучающуюся машину, которая сможет обрабатывать больше данных и иметь больше синапсов, чем современные нейронные сети.

С учетом постоянно растущего спроса на более мощные нейронные сети потребность в энергоэффективных альтернативах будет возрастать. Марквардт заключает: “Самообучающиеся физические машины представляют собой перспективное направление развития искусственного интеллекта”.