Z każdym dniem stajemy się świadkami postępów technologii sztucznej inteligencji, które nieustannie przedefiniowują sposób, w jaki funkcjonujemy. Szczególnie sieci neuronowe (DNN) przyniosły znaczące zmiany w dziedzinie AI. Jednak korzystanie z tych modeli na tradycyjnych architekturach cyfrowych ogranicza ich wydajność oraz efektywność energetyczną.
Ograniczenia obecnych rozwiązań AI
Większość aktualnych rozwiązań dla sztucznej inteligencji oddziela jednostki pamięci od jednostek przetwarzających, co prowadzi do konieczności nieustannego przenoszenia danych pomiędzy nimi. W ostatecznym procesie spowalnia to obliczenia i ogranicza potencjalną efektywność energetyczną.
IBM Research dąży do zrewolucjonizowania tego sposobu, gdyż analogowe przetwarzanie in-memory, znane również jako analogowy AI, wydaje się być obiecującym rozwiązaniem. Bazuje ono na koncepcji działania sieci neuronowych w mózgu człowieka. To właśnie tam, siła synapsy (będąca „wagą” w tym kontekście) decyduje o komunikacji między neuronami.
Jak działa analogowy AI?
W systemach analogowego AI, wagi synaptyczne są przechowywane lokalnie, w wartościach przewodnictwa nanoskalowych urządzeń pamięci rezystancyjnych, takich jak pamięć PCM (Phase-change memory). Działa ona poprzez aplikację impulsu elektrycznego do materiału, zmieniając jego przewodnictwo. Materiał przechodzi między stanami amorficznymi a krystalicznymi, zależnie od siły impulsu. Nie rejestruje tradycyjnych wartości 0 lub 1, jak ma to miejsce w systemach cyfrowych. Zamiast tego, stan jest rejestrowany jako kontinuum wartości między nimi.
Tę wartość nazywa się wagą synaptyczną, która jest przechowywana w fizycznej konfiguracji atomowej każdego urządzenia PCM. Co więcej, ta pamięć jest nieulotna, co oznacza, że dane są zachowywane nawet po wyłączeniu zasilania.
Przyszłość jest bliska
IBM Research jest na czele rewolucji, dążąc do stworzenia sztucznych systemów, które są bardziej zbliżone do naturalnych sieci neuronowych. Dzięki takim rozwiązaniom jak analogowy AI, przyszłość uczenia głębokiego wydaje się być bardziej efektywna energetycznie i wydajna.
Z pewnością możemy spodziewać się, że kolejne lata przyniosą jeszcze więcej innowacji w tej dziedzinie, otwierając drzwi do nieskończonych możliwości aplikacji sztucznej inteligencji w naszym codziennym życiu.
