Πώς οι Μεμριστόρς Καθιστούν το AI Πιο Ανθρώπινο

Η Άνοδος του Νευρομορφικού, Εγκεφαλοειδούς Υλισμικού AI

Καθώς η τεχνητή νοημοσύνη γίνεται το κέντρο της τεχνολογικής βιομηχανίας, εμφανίζεται ένα αυξανόμενο πρόβλημα: η τεράστια ζήτηση υπολογιστικής ισχύος και ενέργειας όταν η AI εκτελείται με χρήση CPU και GPU.

Ως αποτέλεσμα, οι ερευνητές εργάζονται εντατικά πάνω στις Μονάδες Νευρωνικής Επεξεργασίας (NPUs), επίσης γνωστές ως νευρομορφικά τσιπ, έναν τύπο υλισμικού AI που μιμείται τα νευρά του εγκεφάλου.

«Δεν είναι ότι τα τσιπ ή οι υπολογιστές μας δεν είναι αρκετά ισχυροί για ό,τι κάνουν. Είναι ότι δεν είναι αρκετά αποδοτικοί. Χρησιμοποιούν πάρα πολύ ενέργεια.»
Καθηγητής Joshua Yang – University Of Southern California

Η μετάβαση προς υλισμικό εμπνευσμένο από τον εγκέφαλο θα μπορούσε να επαναπροσδιορίσει τον τρόπο που προσεγγίζουμε την τεχνητή νοημοσύνη. Οι νευρομορφικές σχεδιάσεις προσφέρουν τρία κύρια πλεονεκτήματα έναντι των συμβατικών τσιπ:

• Απροσαρμόσιμη αρχιτεκτονική: κυκλώματα που μπορούν να επαναρυθμιστούν βάσει των δεδομένων εκπαίδευσης.
• Ριζική ενεργειακή αποδοτικότητα: σε ορισμένες περιπτώσεις, χρησιμοποιώντας μόλις 1/100^th της ισχύος ενός GPU.
• Χαμηλότερη εκπομπή θερμότητας: μειώνοντας τις δαπανηρές απαιτήσεις ψύξης που ταλαιπωρούν τα σημερινά κέντρα δεδομένων AI.

(Μπορείτε να διαβάσετε περισσότερα για το εξειδικευμένο υλισμικό AI, συμπεριλαμβανομένων των NPUs, στην αφιερωμένη μας αναφορά για το θέμα.)

«Το ότι μπορούμε να αναπτύξουμε μικροτσίπ που μιμούνται την πραγματική νευρωνική δραστηριότητα σημαίνει ότι δεν χρειάζεται πολύ ενέργεια σε κατάσταση αναμονής ή όταν η μηχανή δεν χρησιμοποιείται.

Αυτό μπορεί να αποτελεί τεράστιο υπολογιστικό και οικονομικό πλεονέκτημα.

John LaRocco – ερευνητής επιστήμονας στην ψυχιατρική στο Ohio State’s College of Medicine.

Οι ερευνητές δοκιμάζουν πολλές υποσχόμενες μεθόδους για τη δημιουργία νευρομορφικών τσιπ. Μία προσέγγιση περιλαμβάνει την αξιοποίηση της αρχικής φεροηλεκτρικότητας — ενός ακόμη ανεπαρκώς κατανοητού φαινομένου που θα μπορούσε να επιτρέψει στα υλικά να αλλάζουν αυτόματα την ηλεκτρική τους πόλωση υπό τις κατάλληλες συνθήκες. Μια άλλη εστιάζει σε ενεργά υποστρώματα από βανάδιο ή τιτάνιο, υλικά που μπορούν δυναμικά να αλλάζουν τις ηλεκτρικές τους ιδιότητες για να μιμηθούν την εγκεφαλική σηματοδότηση.

Ίσως η πιο ευρέως συζητημένη πορεία είναι η χρήση των μεμριστόρς — μιας επαναστατικής κατηγορίας ηλεκτρονικών εξαρτημάτων που αποθηκεύουν πληροφορίες μέσω αλλαγών στην αντίσταση. Αυτές οι συσκευές μπορούν να εκτελούν εργασίες AI με μόλις 1/800^th της κανονικής κατανάλωσης ενέργειας, καθιστώντας τις μία από τις πιο ενεργειακά αποδοτικές λύσεις σε ανάπτυξη.

Πώς οι Μεμριστόρς Μιμούν τις Συνάψεις

Σύρετε για κύλιση →

Οι Μεμριστόρς είναι ηλεκτρονικά εξαρτήματα που μιμούνται τις συνάψεις που συνδέουν νευρώνες με το να θυμούνται σε ποια ηλεκτρική κατάσταση είχαν μεταβληθεί μετά το κλείσιμο της τροφοδοσίας.

Αυτό μπορεί να μειώσει σημαντικά την ενέργεια και το χρόνο που χάνεται από τη μεταφορά δεδομένων μεταξύ επεξεργαστών και μνήμης.

Ένα από τα κύρια πλεονεκτήματα των μεμριστόρς είναι η ικανότητά τους για αποδοτική και αυτοπροσαρμοστική μάθηση εντός του συστήματος, κάτι κρίσιμο για εφαρμογές σε ρομποτική και αυτόνομα οχήματα.
Επιπλέον, η χαμηλή κατανάλωση ενέργειας των μεμριστόρς είναι ιδιαίτερα ωφέλιμη στη ρομποτική και τα αυτόνομα οχήματα, όπου η ενεργειακή αποδοτικότητα είναι υψίστης σημασίας.

Πολλές διαδρομές διερευνώνται για τη δημιουργία των καλύτερων μεμριστόρς, από σχετικά συμβατικούς μεμριστόρς οξειδίου τιτανίου μέχρι τη χρήση πραγματικών ανθρώπινων νευρώνων (οργανίδια) ή ακόμη και μυκήτων.

Η ιδέα χρήσης οργανικού υλικού, συμπεριλαμβανομένων πραγματικών νευρώνων, για μίμηση της δραστηριότητας των νευρώνων έχει λογική σε θεωρητικό επίπεδο. Ωστόσο, στην πράξη, η διασύνδεση ενός τέτοιου «υπολογιστή» με τα παραδοσιακά συστήματα πληροφορικής μπορεί να είναι προκλητική.

«Τα υπάρχοντα υπολογιστικά μας συστήματα δεν σχεδιάστηκαν ποτέ για να επεξεργάζονται τεράστιες ποσότητες δεδομένων ή για να μαθαίνουν από λίγα μόνο παραδείγματα αυτόνομα.

Ένας τρόπος για να ενισχυθεί τόσο η ενεργειακή όσο και η μαθησιακή αποδοτικότητα είναι η κατασκευή τεχνητών συστημάτων που λειτουργούν σύμφωνα με τις αρχές που παρατηρούνται στον εγκέφαλο.

Καθηγητής Joshua Yang – University Of South California

Αυτή η έλλειψη αποδοτικότητας είναι εντυπωσιακή σε σύγκριση με τον ανθρώπινο εγκέφαλο. Ένα μικρό παιδί μπορεί να μάθει να αναγνωρίζει χειρόγραφα ψηφία μετά από λίγα μόνο παραδείγματα, ενώ ένας υπολογιστής συνήθως χρειάζεται χιλιάδες για το ίδιο έργο.

Και ο ανθρώπινος εγκέφαλος επιτυγχάνει αυτό το επίτευγμα καταναλώνοντας περίπου 20W, ενώ τα πιο πρόσφατα κέντρα δεδομένων AI εξετάζουν επίπεδα GW, ή σχεδόν εκατό εκατομμύρια φορές περισσότερη ισχύ.

Μια νέα ενδιάμεση επιλογή θα μπορούσε να είναι η δημιουργία τεχνητών τσιπ που λειτουργούν όπως οι νευρώνες σε βασική αρχή. Αυτή είναι η πορεία που ακολουθούν ερευνητές του University of Southern California, University of California, University of Massachusetts, Syracuse University, Air Force Research Laboratory και NASA Ames Research Center.

Δημοσίευσαν τα αποτελέσματά τους στο Nature Electronics¹, υπό τον τίτλο “Ένα τεχνητό νευρώνα με σπινθήρα βασισμένο σε έναν διαχυτικό μεμριστόρ, ένα τρανζίστορ και μια αντίσταση”.

Αναπαράγοντας Πώς Τα Νευρώνια Εκρήγνυνται Χρησιμοποιώντας Διαχυτικούς Μεμριστόρς

Πώς Λειτουργούν Τα Νευρώνια;

Ο τρόπος με τον οποίο τα νευρώνια αλληλεπιδρούν μεταξύ τους και τελικά επεξεργάζονται πληροφορίες είναι μέσω ηλεκτρικών και χημικών σημάτων.

Αν ένα σήμα είναι αρκετά δυνατό, δημιουργεί ένα ηλεκτρικό παλμό που ονομάζεται δράση δυναμικού, επιτρέποντας στα θετικά φορτισμένα ιόντα νατρίου να εισέλθουν στο κύτταρο.

Πηγή: Nature Electronics

Όταν αυτό το ηλεκτρικό σήμα ληφθεί, προκαλεί την απελευθέρωση νευροδιαβιβαστών.

Μέχρι τώρα, οι ηλεκτρονικοί μεμριστόρς και τα κυκλώματα CMOS (Complementary Metal–Oxide–Semiconductor) χρησιμοποιούσαν ηλεκτρικά σήματα για να προσομοιώσουν εικονικά αυτή τη λειτουργία, απαιτώντας εκατοντάδες τρανζίστορ για τη προσομοίωση ενός νευρώνα.

Αντίθετα, οι ερευνητές ανέπτυξαν μια συσκευή που ονομάζεται «διαχυτικός μεμριστόρ», η οποία επίσης χρησιμοποιεί πραγματικές χημικές αλληλεπιδράσεις για την έναρξη υπολογιστικών διαδικασιών.

Τι Είναι οι Διαχυτικοί Μεμριστόρς και Πώς Λειτουργούν;

Ενώ τα παραδοσιακά πυριτικά συστήματα βασίζονται στα ηλεκτρόνια για την εκτέλεση υπολογισμών, οι διαχυτικοί μεμριστόρς χρησιμοποιούν την κίνηση ατόμων. Χρησιμοποιούν ιόνια αργύρου ενσωματωμένα σε οξειδικά υλικά για να δημιουργούν ηλεκτρικά παλμούς που μιμούνται τις φυσικές λειτουργίες του εγκεφάλου.

Πηγή: Nature Electronics

Φυσικά, αυτό δεν αντιγράφει ακριβώς τον τρόπο λειτουργίας ενός νευρώνα, αλλά η αρχή είναι πολύ παρόμοια.

«Αν και δεν είναι ακριβώς τα ίδια ιόντα στα τεχνητά μας συνάψεις και νευρώνες, η φυσική που διέπει την κίνηση των ιόντων και τη δυναμική είναι πολύ παρόμοια.»
Καθηγητής Joshua Yang – University Of South California

Μέρος αυτής της ομοιότητας προέρχεται από το γεγονός ότι τα ιόνια αργύρου διαχέονται εύκολα σε αυτό το σύστημα μεμριστόρ, παρόμοια με το πώς τα ιόντα νατρίου μπορούν να κινηθούν σε οργανικά κύτταρα.

Εκτός από το αργύρο, ο μεμριστόρ χρησιμοποιεί επίσης παλλάδιο, πυρίτιο, τιτάνιο και χάφνιο. Η έρευνα μπόρεσε να οπτικοποιήσει σε πραγματικό χρόνο τη διάχυση του αργύρου ως αντίδραση σε ηλεκτρικό ερέθισμα.

Σύρετε για κύλιση →

Το Μέλλον: Νευρομορφικά Τσιπ & Ενεργειακά Αποδοτική AI

Ένα βασικό πλεονέκτημα αυτού του νέου τύπου μεμριστόρ είναι ότι χωράει μέσα στο αποτύπωμα ενός μόνο τρανζίστορ, ενώ τα παλαιότερα σχέδια απαιτούσαν δεκάδες ή ακόμη και εκατοντάδες.

Η αρχική δοκιμή χρησιμοποίησε μόνο λίγους τέτοιους διαχυτικούς μεμριστόρς, δείχνοντας ότι μπορούν να χρησιμοποιηθούν για την κατασκευή του τυπικού πολυεπίπεδου νευρωνικού δικτύου που χρησιμοποιείται από σχεδόν όλα τα συστήματα AI σήμερα.

Πηγή: Nature Electronics

Το επόμενο βήμα θα είναι η συναρμολόγηση πολλών περισσότερων τέτοιων συστημάτων για να δοκιμαστεί πόσο αποδοτικά μπορούν να είναι στην πραγματική εκτέλεση εργασιών AI.

«Σχεδιάζουμε τα δομικά στοιχεία που τελικά μας οδήγησαν στη μείωση του μεγέθους του τσιπ κατά τάξεις μεγέθους, και στη μείωση της κατανάλωσης ενέργειας κατά τάξεις μεγέθους.

Έτσι μπορεί να γίνει βιώσιμη η εκτέλεση AI στο μέλλον, με παρόμοιο επίπεδο νοημοσύνης χωρίς να καίγεται ενέργεια που δεν μπορούμε να διατηρήσουμε.

Καθηγητής Joshua Yang – University Of South California

Η ανακάλυψη εάν μπορούν να χρησιμοποιηθούν άλλα ιόντα θα μπορούσε επίσης να είναι χρήσιμη, καθώς τα ιόντα αργύρου δεν χρησιμοποιούνται συνήθως στην κατασκευή ημιαγωγών, κάτι που θα μπορούσε να περιορίσει την ταχύτητα υιοθέτησης αυτού του σχεδίου από τη βιομηχανία.

Ένα άλλο αποτέλεσμα των διαχυτικών μεμριστόρς είναι ότι θα μπορούσαν να βοηθήσουν στην καλύτερη κατανόηση του πώς λειτουργούν οι βιολογικοί εγκέφαλοι.

Μακροπρόθεσμα, είναι πιθανό να είναι ιδιαίτερα χρήσιμα για το λεγόμενο «edge computing», όπου η υπολογιστική διεργασία γίνεται άμεσα στον τόπο, όπως για παράδειγμα σε ένα ρομπότ ή σε ένα αυτόνομο όχημα που πρέπει να πάρει απόφαση χωρίς σύνδεση με κέντρο δεδομένων AI.

Επένδυση σε Νευρομορφικούς Κατασκευαστές Τσιπ

Intel (INTC )

Η Intel είναι γιγαντιαία εταιρεία στον τομέα των ημιαγωγών και έχει εξελιχθεί με τα χρόνια από ιδρυτή του κλάδου σε ηγέτη επιστήμης και καινοτομίας, χάνοντας την κορυφαία θέση σε όγκο παραγωγής σε εταιρείες όπως η TSMC της Ταϊβάν.

Η Intel είναι ηγέτης στην νευρομορφική υπολογιστική, συμπεριλαμβανομένου του chip Loihi 2.

Δημιούργησε επίσης την Intel Neuromorphic Research Community, η οποία περιλαμβάνει το Pennsylvania State University, που συμμετέχει στην έρευνα οξειδίου βανάδιου, καθώς και πολλές άλλες πιθανές νευρομορφικές σχεδιάσεις, και 75+ άλλες ερευνητικές ομάδες.

Η Intel είναι επίσης πολύ ενεργή στην μίμηση βιολογικής αίσθησης μέσω της αναπαραγωγής του τρόπου λειτουργίας του εγκεφάλου μας (μια υποκατηγορία της νευρομορφικής υπολογιστικής), κάτι που συζητήσαμε περαιτέρω στο άρθρο μας «Βιομιμητικά Οσφρητικά Τσιπ: Είναι η Τεχνητή Νοημοσύνη και τα Η-Μυαλά το Επόμενο Καναρίνι σε Ένα Ορυχείο Άνθρακα;».

Συνολικά, η έρευνα από το Intel Lab βρίσκεται στην πρώτη γραμμή της καινοτομίας ημιαγωγών, συμπεριλαμβανομένων AI, κβαντικής υπολογιστικής, νευρομορφικής υπολογιστικής κ.λπ. (Συζητήσαμε τις προόδους της Intel στην κβαντική υπολογιστική στο άρθρο μας «Η Τρέχουσα Κατάσταση της Κβαντικής Υπολογιστικής»).

Μπορείτε επίσης να διαβάσετε περισσότερα για τις τρέχουσες επιχειρηματικές δραστηριότητες και τα προγράμματα Ε&Κ της Intel στην αφιερωμένη μας επενδυτική αναφορά.

Τελευταία Ειδησεία και Εξελίξεις για το Μετοχικό Συμβόλιο Intel (INTC)

Μελέτη Αναφορά

^{1. Zhao, R., Wang, T., Moon, T. et al. Ένα τεχνητό νευρώνα με σπινθήρα βασισμένο σε έναν διαχυτικό μεμριστόρ, ένα τρανζίστορ, και μια αντίσταση. Nature Electronics (2025). https://doi.org/10.1038/s41928-025-01488-x}