A mesterséges intelligenciát futtató adatközpontok óriási mennyiségű energiát igényelnek, így nem csoda, hogy a táplálásukhoz a vállalatok már saját atomerőműben gondolkodnak. És akkor arról még nem is esett szó, hogy nemcsak működtetni, de hűteni is kell, amihez szintén igen komoly mennyiségű energia (elsősorban víz) szükségeltetik.
A két probléma megoldása igen komoly terhet venne le a bolygó válláról, arról nem is beszélve, hogy hozzájárulhatna a mesterséges intelligencia fejlődéséhez is. A Sydney-i Egyetem kutatói is ezt a két problémát szerették volna megoldani, az eredmény pedig egy olyan chip, amit a jövőben a fent említett adatközpontokban lehet majd alkalmazni.
A tudósok egy nanofotonikus chipet – pontosabban egy prototípust – építettek, amely elektromos áram helyett fénnyel végzi el az AI működéséhez szükséges számításokat – írja az Interesting Engineering.
A kísérleti eszköz fotonok segítségével dolgozza fel az információkat, lehetővé téve, hogy a műveleteket a másodperc billiomod része alatt végezze el.
https://hvg.hu/tudomany/20240923_microsoft-pennsylvania-three-miles-island-atomeromu-blokk-ujrainditas-mesterseges-intelligencia-energia
A chip ahelyett, hogy elektromos jelekkel dolgozna, akkor végzi el a számításokat, amikor a fény áthalad a nanostruktúrákon. A kutatók szerint a megoldás segíthet leküzdeni az AI bővítésének legnagyobb korlátját: az energiafogyasztást.
Ahogy a fotonok áthaladnak a nanostruktúrákon, maguk a struktúrák végzik el a gépi tanuláshoz szükséges számításokat. Ez szükségtelenné teszi a különálló elektronikus feldolgozás lépését.
A chip architektúráját az emberi agy információfeldolgozási folyamatai alapján modellezték. A nanostruktúrák mesterséges neuronokként működnek, lehetővé téve a mintázatfelismerési és osztályozási feladatokat, miközben a fény áthalad az eszközön. A terveket a Nature Communications című tudományos lapban közölték.
A prototípust a kutatók több mint 10 000, orvosi képalkotó eszközzel készült kép osztályozására képezték ki. Az adathalmaz többek között mellkasi MRI-felvételt is tartalmazott. Mind a szimulációk, mind a laboratóriumi kísérletek kimutatták, hogy a fotonikus neurális hálózat 90 és 99 százalék közötti pontossággal képes azonosítani a képeket.
Az eredmények arra utalnak, hogy a neurális hálózati modellek fizikailag beágyazhatók nanoskálájú fotonikus struktúrákba ahelyett, hogy szoftverként futtatnák őket a hagyományos processzorokon.
A jövőben a szakemberek kiterjesztenék a megoldást nagyobb hálózatokra is, hogy összetettebb feladatokat is el lehessen végezni a chipekkel.
Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.
