سیستمهای هوش مصنوعی هزار بار کم مصرفتر میشوند
اقتصاد آنلاين/ يک سيستم الکترونيکي با الهام از مغز انسان ميتواند انرژي مورد نياز هوش مصنوعي را هزار برابر کممصرفتر کند.
پس از مطالعهاي که محققان دانشگاه UCL براي بهبود «دقت» در يک سيستم محاسباتي الهام گرفته از مغز انجام دادهاند، آنها اکنون به روشي دست يافتهاند که هوش مصنوعي بسيار کممصرف به واقعيت نزديکتر ميشود. به گزارش سايتک ديلي، اين سيستم که از مموريستورها براي ايجاد شبکههاي عصبي مصنوعي استفاده ميکند، حداقل هزار برابر کممصرفتر از سختافزار هوش مصنوعي مبتني بر ترانزيستور است که احتمال خطاي آن زياد است.
هوش مصنوعي فعلي بسيار پرمصرف است. آموزش يک مدل هوش مصنوعي ميتواند 284تن دياکسيدکربن توليد کند که معادل توليد دياکسيد کربن 5خودرو است. با جايگزيني مموريستورها که در همه دستگاههاي ديجيتال امکانپذير است، ميتوان اين مقدار را به کسري از يک تن دي اکسيدکربن کاهش داد. اين ميزان معادل انتشار دي اکسيدکربن در رانندگي در يک بعدازظهر است. از آنجايي که مموريستورها بسيار کممصرفتر از سيستمهاي محاسباتي موجود هستند، ميتوانند بهطور بالقوه مقادير زيادي از توان محاسباتي را در دستگاههاي کوچک(به اندازه يک دست) گرد آورند و در عين حال نيازي هم به اتصال به اينترنت نداشته باشند.
اين موضوع از اهميت ويژهاي برخوردار است، زيرا انتظار ميرود که وابستگي بيش از حد به اينترنت بهدليل افزايش تقاضاي دادهها و مشکلات افزايش ظرفيت انتقال داده از يک نقطه خاص، در آينده مشکلساز شود. در اين مطالعه جديد، مهندسان دانشگاه UCL دريافتند که با مموريستورهايي که داراي تعدادي زيرگروه شبکه عصبي هستند ميتوان «دقت» را در سطح بالايي بهبود بخشيد.
مموريستورها، درواقع «رزيستورهاي داراي حافظه» هستند، زيرا آنها ميزان بار الکتريکي را که حتي پس از خاموش شدن در آنها جريان دارد، در حافظه نگه ميدارند. رزيستور يک قطعه الکترونيکي کنشپذير(مصرفکننده انرژي) است که بهعنوان يکي از اجزاي مدارهاي الکترونيکي، مقاومت الکتريکي مورد نياز را ايجاد و اعمال ميکند. مموريستورها بهصورت تجاري براي دستگاههاي ذخيره حافظه توليد شدهاند، اما اين تيم تحقيقاتي گفته است که آنها ميتوانند طي 3سال آينده براي استفاده در سيستمهاي هوش مصنوعي توليد شوند.