Εμπνευσμένο από τον ανθρώπινο εγκέφαλο – πώς το τελευταίο τσιπ AI της IBM θα μπορούσε να είναι 25 φορές πιο αποτελεσματικό από τις GPU με το να είναι πιο ενσωματωμένο – αλλά ούτε η Nvidia ούτε η AMD χρειάζεται να ανησυχούν ακόμα

Οι ερευνητές ανέπτυξαν έναν επεξεργαστή που βασίζεται σε νευρωνικά δίκτυα που μπορεί να εκτελεί εργασίες τεχνητής νοημοσύνης πολύ πιο γρήγορα από τα συμβατικά τσιπ, εξαλείφοντας την ανάγκη πρόσβασης σε εξωτερική μνήμη.

Ακόμη και οι καλύτερες CPU πλήττουν τα σημεία συμφόρησης κατά την επεξεργασία δεδομένων, επειδή οι υπολογισμοί πρέπει να χρησιμοποιούν RAM, με αυτή τη μετακίνηση δεδομένων εμπρός και πίσω να δημιουργεί αναποτελεσματικότητα. Η IBM ελπίζει να λύσει αυτό που είναι γνωστό ως το σημείο συμφόρησης Von Neumann με το τσιπ NorthPole της, σύμφωνα με

Φύση

.

Ο επεξεργαστής NorthPole ενσωματώνει μια μικρή ποσότητα μνήμης σε καθέναν από τους 256 πυρήνες του, οι οποίοι συνδέονται μεταξύ τους με τρόπο παρόμοιο με τον τρόπο που συνδέονται μέρη του εγκεφάλου με τη λευκή ουσία. Αυτό σημαίνει ότι το τσιπ μετριάζει πλήρως τη συμφόρηση.

Αναζητώντας έμπνευση από τον ανθρώπινο εγκέφαλο

Το NorthPole της IBM είναι περισσότερο μια απόδειξη της ιδέας παρά ένα πλήρως λειτουργικό τσιπ που μπορεί να ανταγωνιστεί την AMD και τη Nvidia. Περιλαμβάνει μόνο 224 MB μνήμης RAM, για παράδειγμα, η οποία δεν είναι αρκετά κοντά στην κλίμακα που απαιτείται για την τεχνητή νοημοσύνη ή για την εκτέλεση μεγάλων γλωσσικών μοντέλων (LLM).

Το τσιπ μπορεί επίσης να τρέξει προ-προγραμματισμένα νευρωνικά δίκτυα εκπαιδευμένα σε ξεχωριστά συστήματα. Αλλά η μοναδική αρχιτεκτονική του σημαίνει ότι το πραγματικό ξεχωρίζει είναι η ενεργειακή απόδοση που μπορεί να καυχηθεί. Οι ερευνητές ισχυρίζονται ότι αν ο NorthPole δημιουργηθεί σήμερα με τα τελευταίας τεχνολογίας πρότυπα κατασκευής, θα ήταν 25 φορές πιο αποτελεσματικός από τον

καλύτερες GPU

και

καλύτερες CPU

.

«Η ενεργειακή του απόδοση είναι απλά συγκλονιστική», δήλωσε ο Damien Querlioz, ερευνητής νανοηλεκτρονικής στο Πανεπιστήμιο Paris-Saclay στο Palaiseau, σύμφωνα με το Nature. «Η εργασία, που δημοσιεύτηκε στο Science, δείχνει ότι οι υπολογιστές και η μνήμη μπορούν να ενσωματωθούν σε μεγάλη κλίμακα, λέει. «Νιώθω ότι το χαρτί θα κλονίσει την κοινή σκέψη στην αρχιτεκτονική των υπολογιστών».

Μπορεί επίσης να ξεπεράσει τα συστήματα AI σε εργασίες όπως η αναγνώριση εικόνας. Η αρχιτεκτονική του νευρωνικού δικτύου σημαίνει ότι ένα κατώτερο στρώμα λαμβάνει δεδομένα, όπως τα pixel σε μια εικόνα, και τα επόμενα στρώματα αρχίζουν να ανιχνεύουν μοτίβα που γίνονται πιο περίπλοκα καθώς οι πληροφορίες μεταβιβάζονται από το ένα επίπεδο στο άλλο. Στη συνέχεια, το ανώτατο επίπεδο εξάγει το τελικό αποτέλεσμα, όπως να προτείνει εάν μια εικόνα περιέχει ένα συγκεκριμένο αντικείμενο.