Μια ριζικά διαφορετικού είδους τσιπ, που δημιουργήθηκε από Κινέζους ερευνητές, μπορεί πλέον να διαχειριστεί εργασίες με δεδομένα του πραγματικού κόσμου, αναδιαμορφώνοντας δυνητικά την εξάρτηση των συστημάτων τεχνητής νοημοσύνης από τους ενεργοβόρους ψηφιακούς επεξεργαστές, όπως δήλωσαν οι δημιουργοί του.
Βασιζόμενη σε εργασία που παρουσιάστηκε τον Οκτώβριο, η υπερ-γρήγορη, ενεργειακά αποδοτική αναλογική τσιπ της ομάδας του Πανεπιστημίου Πεκίνου έχει ξεπεράσει την επίλυση απλών μαθηματικών προβλημάτων και μπορεί πλέον να τροφοδοτήσει εφαρμογές όπως η εξατομικευμένη σύσταση και η επεξεργασία εικόνας.
Σε μια δημοσίευση στο περιοδικό Nature Communications, ο επικεφαλής συγγραφέας Sun Zhong και οι συνεργάτες του ανέφεραν ότι η τσιπ πέτυχε 12πλάσια αύξηση ταχύτητας σε σύγκριση με προηγμένους ψηφιακούς επεξεργαστές, βελτιώνοντας παράλληλα την ενεργειακή απόδοση κατά περισσότερο από 200 φορές. Αυτά τα αποτελέσματα βασίστηκαν στην εκπαίδευση συστημάτων σύστασης χρησιμοποιώντας σύνολα δεδομένων κλίμακας παρόμοιας με αυτά του Netflix και του Yahoo, σύμφωνα με την επιστημονική δημοσίευση.
Σε δοκιμές συμπίεσης εικόνων, το σύστημα ανακατασκεύασε εικόνες με σχεδόν την ίδια οπτική ποιότητα με την πλήρη ψηφιακή επεξεργασία, μειώνοντας ταυτόχρονα τις απαιτήσεις αποθήκευσης στο μισό, όπως έγραψαν οι ερευνητές. Σε μια ανάρτηση στα μέσα κοινωνικής δικτύωσης, ο Sun έγραψε ότι η μελέτη «ωθεί τα όρια της αναλογικής υπολογιστικής ένα βήμα παραπέρα». Πρόσθεσε ότι η νέα τσιπ είχε διαχειριστεί πιο σύνθετες εργασίες, διατηρώντας ταυτόχρονα τα πλεονεκτήματα ταχύτητας και ενέργειας της αναλογικής υπολογιστικής.
Ένας αξιολογητής της δημοσίευσης δήλωσε ότι τα πειραματικά αποτελέσματα – ιδίως οι «τάξεις μεγέθους βελτιώσεις στην ταχύτητα και την ενεργειακή απόδοση» – σε σύγκριση με συμβατικές ψηφιακές τσιπ, έδειξαν το δυναμικό της τεχνολογίας για βιομηχανικές εφαρμογές.
Η ιδέα πίσω από την τσιπ, η οποία εκτελεί υπολογισμούς χρησιμοποιώντας φυσικά σήματα αντί για ψηφιακό κώδικα, δεν είναι νέα. Επιστήμονες διερευνούσαν αναλογικούς υπολογιστές δεκαετίες πριν, μέχρι που η τεχνολογία περιθωριοποιήθηκε καθώς οι ψηφιακές τσιπ έγιναν ταχύτερες, φθηνότερες και πιο αξιόπιστες. Σε αντίθεση με τους ψηφιακούς υπολογιστές, που επεξεργάζονται πληροφορίες βήμα προς βήμα χρησιμοποιώντας δυαδικό κώδικα από μηδενικά και άσους, η αναλογική υπολογιστική αναπαριστά τους αριθμούς ως συνεχώς μεταβαλλόμενα φυσικά σήματα, όπως ηλεκτρικά ρεύματα ή τάσεις. Θεωρητικά, αυτό επιτρέπει σε πολλούς υπολογισμούς να συμβαίνουν ταυτόχρονα, προσφέροντας τεράστια κέρδη σε ταχύτητα και ενεργειακή απόδοση για συγκεκριμένες εργασίες.
Με τα συστήματα τεχνητής νοημοσύνης να βασίζονται σε μεγάλο βαθμό σε ενεργοβόρους ψηφιακούς επεξεργαστές, το κόστος μεταφοράς δεδομένων μεταξύ μονάδων μνήμης και υπολογιστών έχει γίνει ένα σημαντικό εμπόδιο. Οι εξελίξεις σε υλικά, σχεδιασμό κυκλωμάτων και αλγορίθμους έχουν αναζωπυρώσει το ενδιαφέρον για αναλογικό υλικό, το οποίο εκτελεί υπολογισμούς απευθείας εκεί που αποθηκεύονται τα δεδομένα.
Σε μια δημοσίευση πέρυσι, η ομάδα του Sun έδειξε ότι οι αναλογικές τσιπ θα μπορούσαν να επιταχύνουν δραματικά βασικές μαθηματικές πράξεις – έως και 1.000 φορές ταχύτερα από κορυφαίους ψηφιακούς επεξεργαστές, όπως η μονάδα επεξεργασίας γραφικών Nvidia H100 – καταναλώνοντας πολύ λιγότερη ενέργεια. Στην τελευταία μελέτη, οι ερευνητές υιοθέτησαν μια τεχνική γνωστή ως μη-αρνητική παραγοντοποίηση πινάκων (NMF), ένα ισχυρό εργαλείο για τη μείωση δεδομένων που εξάγει υποκείμενες δομές από τεράστιες και σύνθετες πληροφορίες, όπως η συμπεριφορά χρηστών ή τα εικονοστοιχεία εικόνας, δήλωσε ο Sun στο Science Daily την Πέμπτη.
Η τεχνική έχει χρησιμοποιηθεί ευρέως στην ανάλυση εικόνων, την ομαδοποίηση δεδομένων και τα συστήματα εξατομικευμένης σύστασης, αλλά καθώς τα σύνολα δεδομένων αυξάνονται σε εκατομμύρια καταχωρήσεις, το παραδοσιακό ψηφιακό υλικό δυσκολεύεται όλο και περισσότερο με την υπολογιστική πολυπλοκότητα και τα εμπόδια μνήμης, είπε. Για να αντιμετωπιστούν αυτά τα όρια, η ομάδα δημιούργησε μια αναλογική τσιπ υπολογιστικής βασισμένη σε ανθεκτική μνήμη και ανασχεδίασε την κεντρική της κυκλωματολογία για να εκτελέσει το πιο απαιτητικό μέρος του αλγορίθμου σε ένα μόνο βήμα. Σύμφωνα με την αναφορά του Science Daily, οι ερευνητές κατάφεραν να επιτύχουν τα ίδια αποτελέσματα με λιγότερες υπολογιστικές μονάδες, μειώνοντας σημαντικά το μέγεθος και την κατανάλωση ενέργειας της τσιπ.
«Η μελέτη μας άνοιξε ένα νέο μονοπάτι για την επίλυση σύνθετων προβλημάτων δεδομένων σε πραγματικό χρόνο και τόνισε το τεράστιο δυναμικό της αναλογικής υπολογιστικής για πρακτικές εφαρμογές», δήλωσε ο Sun στη συνέντευξη. Σε μια ανάρτηση στα μέσα κοινωνικής δικτύωσης, ο Sun σημείωσε ότι «αγαπούσε» την τεχνική NMF από τότε που προτάθηκε για πρώτη φορά το 1999 από δύο Κορεάτες-Αμερικανούς επιστήμονες σε μια δημοσίευση στο περιοδικό Nature. «Είναι βαθιά ικανοποιητικό να τη βλέπουμε τώρα να εισέρχεται στον τομέα της αναλογικής υπολογιστικής εντός μνήμης, 27 χρόνια αργότερα», έγραψε ο Sun.
