Νέα Τεχνητή Νοημοσύνη Εμπνευσμένη από τον Εγκέφαλο Μαθαίνει σε Πραγματικό Χρόνο Χρησιμοποιώντας Υπερ-Χαμηλή Κατανάλωση Ενέργειας

Ο ανθρώπινος εγκέφαλος είναι ο πιο προηγμένος υπερυπολογιστής στον κόσμο. Μπορεί ταυτόχρονα να μαθαίνει και να προσαρμόζεται χωρίς τη χρήση τεράστιων κέντρων δεδομένων όπως τα σημερινά συστήματα AI. Αυτόν τον μήνα, μια ομάδα μηχανικών από το Τμήμα Πληροφορικής και Ηλεκτρονικής Μηχανικής του Texas A&M και άλλα κορυφαία ιδρύματα παρουσίασαν ένα σύστημα AI εμπνευσμένο από τον εγκέφαλο που θα μπορούσε να προσφέρει καλύτερη απόδοση και να ανοίξει το δρόμο για πιο έξυπνα πρωτόκολλα. Αυτό είναι ό,τι πρέπει να ξέρετε. 

Τα Όρια της Παραδοσιακής AI και της Αρχιτεκτονικής Turing

Η τεχνητή νοημοσύνη είναι μία από τις πιο γρήγορα αναπτυσσόμενες και συναρπαστικές τεχνολογικές βιομηχανίες στον κόσμο. Σε λίγα σύντομα χρόνια, οι αλγόριθμοι AI πέρασαν από το να είναι προσβάσιμοι μόνο σε υψηλόβαθμους μηχανικούς της Google και της Microsoft (MSFT ) σε ένα κοινό εργαλείο για τον μέσο άνθρωπο. Καθ’ όλη αυτή τη διαδρομή, τα συστήματα AI έχουν συνεχώς αυξήσει την απόδοση και τις δυνατότητές τους. Παράλληλα με αυτή την αύξηση της απόδοσης, σημειώθηκε επίσης αύξηση των δυνατοτήτων του υλικού.

Ιδιαίτερα, τα συστήματα AI βασίζονται στην αρχιτεκτονική Turing. Αυτό το στυλ υπολογισμού ονομάστηκε έτσι από τον εφευρέτη του, Alan Turing. Υπέθεσε ότι οι υπολογιστές θα μπορούσαν να προσφέρουν καλύτερη απόδοση εάν ορισμένα μέρη των λειτουργιών τους χωρίζονταν. 

Αυτή η δομή σημαίνει ότι οι υπολογιστές έχουν την επεξεργασία και τη μνήμη τους φυσικά χωριστές μέσα στο σχεδιασμό του chip. Αυτό το διαχωρισμό έχει καθορίσει το σχεδιασμό του υλικού των μηχανών από τότε. Το όραμά του για τους υπολογιστές παραμένει η πιο ευρέως χρησιμοποιούμενη αρχιτεκτονική, παρά το ότι έχουν περάσει δεκαετίες από την ανακάλυψή του. 

Η Ενεργειακή Κρίση: Γιατί η Σύγχρονη AI Χρειάζεται Νέο Σχέδιο

Το πρόβλημα με αυτή τη διάταξη είναι ότι τα συστήματα AI απαιτούν τεράστιες ποσότητες δεδομένων. Σε ορισμένες περιπτώσεις, πρέπει να κατασκευαστούν ολόκληρα κέντρα δεδομένων από το μηδέν, χρησιμοποιώντας το πιο προηγμένο υλικό ως μέρος των απαιτήσεων του συστήματος. Δυστυχώς, αυτή η δομή δεν είναι βιώσιμη. 

Τα μεγάλα κέντρα δεδομένων είναι τεράστιοι καταναλωτές ενέργειας που μπορούν να καταναλώσουν όσο ενέργεια όλη μια πόλη. Σε πολλές περιπτώσεις, αυτά τα συστήματα βασίζονται σε ανανεώσιμη ενέργεια, η οποία έχει βοηθήσει στη μείωση του περιβαλλοντικού αποτυπώματος. Ωστόσο, η αυξανόμενη ζήτηση για συστήματα AI σημαίνει ότι χρειάζεται μια αναβάθμιση στην αποδοτικότητα ώστε να γίνουν αυτά τα πρωτόκολλα βιώσιμα στο μέλλον.

Γιατί τα Σήμερα Μοντέλα AI Δεν Μπορούν να Προσαρμοστούν σε Πραγματικό Χρόνο

Επιπλέον, αυτή η δομή σημαίνει ότι η κλιμακωσιμότητα αυτών των πρωτοκόλλων βασίζεται στο υλικό τους παρά στους περιορισμούς του λογισμικού. Ακόμη και το πιο προηγμένο σύστημα πρέπει να περιμένει τα δεδομένα να μεταφερθούν φυσικά μεταξύ των υλικών εξαρτημάτων σε μια συσκευή. 

 Παρουσίαση μιας Super-Turing AI: Εμπνευσμένη από τον Ανθρώπινο Εγκέφαλο

Ένα ακόμη μειονέκτημα των συστημάτων AI βασισμένων στην αρχιτεκτονική Turing είναι ότι βασίζονται σε προκαθορισμένα σημεία δεδομένων. Τα σημερινά μοντέλα δεν προσφέρουν τρόπο να τροποποιήσουν την απόδοσή τους κατά τη λειτουργία. Αυτά τα συστήματα βασίζονται στα παρεχόμενα δεδομένα για την ολοκλήρωση της αντίστροφης διάδοσης. 

Αυτή η προσέγγιση διαφέρει από τον εγκέφαλό σας, ο οποίος χρησιμοποιεί έναν συνδυασμό γνώσης και περιβαλλοντικών συνθηκών για να κάνει ακριβείς αξιολογήσεις με ένα κλάσμα της ενέργειας. Ιδιαίτερα, είναι βιολογικά αδύνατο να αναπαραχθεί η αντίστροφη διάδοση επειδή θα απαιτούσε το άτομο να έχει ήδη βιώσει την κατάσταση. Αναγνωρίζοντας αυτά τα γεγονότα, οι μηχανικοί έχουν επιδιώξει να αναπτύξουν ένα σύστημα AI που μιμείται τη ανθρώπινη μάθηση.

Πώς οι Συνάπτικοι Αντιστάτες Μαθαίνουν όπως οι Εγκεφάλοι μας

Η μελέτη “HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system“¹ παρουσιάζει ένα νευρομορφικό σύστημα AI που μπορεί να μιμηθεί τον τρόπο που μαθαίνει ο εγκέφαλος για να παρέχει προσαρμοστικότητα σε πραγματικό χρόνο βάσει των συνθηκών. Η μελέτη προωθήθηκε από μια ομάδα ερευνητών από το UCLA, το Texas A&M και άλλα ερευνητικά ιδρύματα και δημοσιεύτηκε στο Science Advances. Για να επιτύχουν αυτό, η ομάδα δημιούργησε ένα κύκλωμα “synstor” (συνάπτικος αντιστάτης) που μπορεί να μαθαίνει όπως ο εγκέφαλός σας. 

Πηγή – Texas A&M Department of Computer and Electrical Engineering

Απόδοση Σαν τον Εγκέφαλο: AI που Καταναλώνει Μικροβάτ, Όχι Μεγαβάτ

Οι μηχανικοί πίσω από αυτή τη μελέτη αναγνωρίζουν ότι ο ανθρώπινος εγκέφαλος είναι ακόμη πολύ πιο προχωρημένος από την AI σε πολλές πτυχές, όπως η κατανάλωση ενέργειας και η ευελιξία. Οι νευρωνικές διεργασίες του εγκεφάλου του επιτρέπουν να εκτελεί σύνθετες σωματικές λειτουργίες ενώ ταυτόχρονα προσαρμόζεται στις μεταβαλλόμενες συνθήκες γύρω σας. 

Σε όρους ενεργειακής αποδοτικότητας, ο ανθρώπινος εγκέφαλος απαιτεί μόνο περίπου 20 βατ για να λειτουργήσει. Σε σύγκριση, το σύγχρονο προηγμένο σύστημα AI μπορεί να καταναλώσει έως και 1 δισεκατομμύριο βατ κατά τη λειτουργία. Αυτή η κατανάλωση ενέργειας προέρχεται από τις διαδρομές επεξεργασίας και τα εξαρτήματα, μαζί με την αρχιτεκτονική των συστημάτων AI.

 Κατανόηση της Συνάπτικής Πλαστικότητας στην Τεχνητή Νοημοσύνη

Οι μηχανικοί ξεκίνησαν με τη μελέτη της συνάπτικής πλαστικότητας στους εγκεφάλους. Ο εγκέφαλός σας έχει εκατομμύρια νευρώνες που τροφοδοτούν τη μνήμη και τη μάθησή σας. Αυτές οι περιοχές επικοινωνίας όπου συναντώνται τα νεύρα ονομάζονται συνάψεις. Η συνάπτική πλαστικότητα αναφέρεται στην ικανότητα του εγκεφάλου να ενισχύει τις συνδέσεις που χρησιμοποιούνται πιο συχνά. Αναφέρεται επίσης στην ικανότητα του εγκεφάλου να δημιουργεί νέες διαδρομές όταν αυτό θεωρείται πιο αποδοτικό.

Το Μυστικό του Εγκεφάλου: Μετάβαση μεταξύ Λειτουργιών Turing και Super-Turing

Εντυπωσιακά, οι εγκέφαλοι μπορούν να λειτουργούν τόσο σε λειτουργία Turing όσο και σε λειτουργία super-Turing. Όταν βρίσκεται σε κατάσταση λειτουργίας Turing, ο εγκέφαλός σας θα χρησιμοποιεί προ-μαθημένες εργασίες και ενέργειες. Όταν προκύψουν απρόσμενα σενάρια ή οι συνθήκες αλλάξουν με απρόβλεπο τρόπο, ο εγκέφαλός σας θα μεταβεί αυτόματα σε στάση super-Turing. Αυτή η προσέγγιση επιτρέπει στον εγκέφαλο να προσαρμόζεται συνεχώς στο περιβάλλον.

Πώς η Super-Turing AI Μαθαίνει και Προσαρμόζεται Άμεσα

Οι επιστήμονες θεωρούν αυτήν την κατάσταση super-turning ως τον πυρήνα των μοναδικών δυνατοτήτων του εγκεφάλου. Χρησιμοποίησαν αυτή τη δομή για να ξανασχεδιάσουν τις αρχιτεκτονικές AI, φανταζόμενοι μια πιο ανθρώπινη λειτουργική ροή όπου η μάθηση και η εκτίμηση συμβαίνουν ταυτόχρονα. 

Αυτή η στρατηγική μειώνει σημαντικά την κατανάλωση ενέργειας. Η εξάλειψη της ανάγκης μεταφοράς τεράστιων ποσοτήτων δεδομένων μεταξύ των υλικών εξαρτημάτων μειώνει την κατανάλωση και βελτιώνει την απόδοση. Επίσης, υποστηρίζει προσαρμοστικότητα σε πραγματικό χρόνο ενώ μειώνει την κατανάλωση ενέργειας σε νέα ελάχιστα επίπεδα.

Μέσα στο Synstor: Το Φεροηλεκτρικό Κύκλωμα που Μιμείται τη Ανθρώπινη Μάθηση

Στον πυρήνα αυτής της μελέτης βρίσκεται η δημιουργία ενός ολοκληρωμένου κυκλώματος αισθητήρα που μπορεί να επεξεργάζεται, να μαθαίνει και να λειτουργεί ομαλά ταυτόχρονα. Η ομάδα κατασκεύασε ένα κύκλωμα βασισμένο σε Hf0.5Zr0.5Ο2-synstors ως μέρος της μελέτης τους.  

Αυτό το προσαρμοσμένο κύκλωμα περιείχε συνάπτικούς αντιστάτες που ενσωματώνουν φεροηλεκτρικά υλικά HfZrO. Ιδιαίτερα, τα φεροηλεκτρικά υλικά, όπως τα οξείδια Hf, παρέχουν στους μηχανικούς τη δυνατότητα δημιουργίας επεκτάσιμης, συμβατής με Si, μη πτητικής αναλογικής μνήμης και νευρομορφικών συσκευών.

Προσομοίωση Drone: Άνθρωπος vs AI vs Synstor

Η ομάδα δημιούργησε μια προσομοίωση πτήσης drone και έδωσε σε μια παραδοσιακή AI, έναν άνθρωπο και ένα σύστημα super-turing AI να πλοηγηθούν στην προσομοίωση για να δοκιμάσουν τη θεωρία τους. Πριν από οποιαδήποτε αναταραχή ή εμπόδια, το κύκλωμα synstor, οι ανθρώπινες χειριστές και το ANN έμαθαν επιτυχώς να οδηγούν το drone προς τη θέση-στόχο χωρίς προβλήματα ή καθυστερήσεις. 

Ωστόσο, όταν προστέθηκαν δέντρα ή ισχυροί άνεμοι στην εξίσωση, η απόδοση όλων των μερών μειώθηκε. Συγκεκριμένα, ο άνθρωπος και το σύστημα AI με κύκλωμα synstor ολοκλήρωσαν την εργασία. Το παραδοσιακό σύστημα AI δεν μπόρεσε να προσαρμοστεί στο νέο περιβάλλον και δεν ολοκλήρωσε τη δοκιμή, καθώς τα πρόσθετα εμπόδια μείωσαν την απόδοσή του.

Προσαρμοστικότητα AI σε Δράση: Τα Αποτελέσματα του Μητρώου Εμπόδια Drone

Η μελέτη έδειξε ότι τα νεοαναπτυγμένα κυκλώματα συνάπτικων αντιστατών των μηχανικών υποστηρίζουν αποδοτικά και προσαρμοστικά συστήματα Super-Turing AI που μπορούν να πλοηγηθούν σε αβέβαια και δυναμικά πραγματικά περιβάλλοντα. Εξέτασαν γιατί μόνο ο άνθρωπος και το drone με ενσωματωμένο synstor μπόρεσαν να ολοκληρώσουν το μονοπάτι. Η επιτυχία τους οφειλόταν στην ικανότητά τους να προσαρμόζονται άμεσα.

Γιατί τα Κυκλώματα Synstor Είναι ένα Άλμα Μπροστά στην Αειφόρο AI

Υπάρχουν αρκετά οφέλη που ένα σύστημα AI με κύκλωμα synstor μπορεί να προσφέρει στην αγορά. Κατ’ αρχάς, θα ανοίξει το δρόμο για πιο προχωρημένες και ικανές επιλογές AI. Αυτά τα πρωτόκολλα θα είναι ικανά για ταυτόχρονη εκτίμηση σε πραγματικό χρόνο και μάθηση, παρέχοντας ένα βήμα προς τα επόμενα γενετικά πρωτόκολλα AI.

Φιλικό προς το Περιβάλλον: Η αρχιτεκτονική του συστήματος AI των μηχανικών χρησιμοποιεί ένα κλάσμα της ηλεκτρικής ενέργειας που απαιτείται για τη λειτουργία των παραδοσιακών πρωτοκόλλων AI. Αυτή η αναβαθμισμένη χρήση ενέργειας επιτρέπει στα συστήματα Synstor AI να διεκδικήσουν τον τίτλο του πιο φιλικού προς το περιβάλλον AI αρχιτεκτονικού για δεδομένα. Καθώς η ζήτηση για αυτές τις υπηρεσίες αυξάνεται, η ανάγκη για βιώσιμες επιλογές θα αυξηθεί επίσης.

Αποδοτικότητα: Οι μηχανικοί δημιούργησαν με επιτυχία ένα σύστημα που μιμείται τον ανθρώπινο εγκέφαλο. Η προσέγγισή τους μειώνει τις απαιτήσεις ενέργειας για όλα τα συστήματα AI και επιτρέπει στα συστήματα AI να μεγιστοποιούν την κατανάλωση ενέργειας όταν εκτελούν ή εκπαιδεύουν νέα μοντέλα.

Προσαρμοστικότητα: Ένα από τα κύρια οφέλη αυτής της δομής AI είναι η προσαρμοστικότητά της. Τα συστήματα AI πρέπει να γίνουν πιο γρήγορα και πιο προσαρμοστικά για να διαχειριστούν τον αυξανόμενο αριθμό εργασιών που τους ανατίθενται. Από την πλοήγηση του ηλεκτρικού σας οχήματος στο σπίτι μέχρι την επιλογή των τραγουδιών που θα παίξει για εσάς, τα μελλοντικά συστήματα AI θα λαμβάνουν υπόψη το περιβάλλον τους ως μέρος των διαδικασιών επεξεργασίας.

Μελλοντικές Εφαρμογές: AI Σαν τον Εγκέφαλο σε Αυτοκίνητα, Φορεσιές και Στρατιωτική Τεχνολογία

Το σύστημα AI εμπνευσμένο από τον εγκέφαλο έχει τη δυνατότητα να φέρει επανάσταση στη βιομηχανία. Προσφέρει στους μηχανικούς την προοπτική βιώσιμης ανάπτυξης AI και θα μπορούσε να υποστηρίξει τη δημιουργία των προχωρημένων αυτόνομων συστημάτων του αύριο. Αυτή η τεχνολογία θα βρει επίσης το δρόμο της στη ρομποτική, τις φορεσιές και τον ιατρικό τομέα.

Προηγμένος Υπολογισμός: Μπορείτε να αναμένετε σύντομα να δείτε προχωρημένα συστήματα AI που θα χρησιμοποιούν αυτήν την τεχνολογία. Η μειωμένη κατανάλωση ενέργειας θα μειώσει το κόστος λειτουργίας αυτών των συστημάτων, καθιστώντας τα ελκυστική επιλογή σε σχέση με το status quo. Επιπλέον, καθώς το σχεδιασμό του chip synstor βελτιώνεται, θα ενισχύσει περαιτέρω την υιοθέτηση.

Στρατιωτικό: Ο στρατός είναι ένας από τους μεγαλύτερους υποστηρικτές της AI. Τα συστήματα AI μπορούν να βοηθήσουν στην παρακολούθηση, στο στόχευση, στον προγραμματισμό και στη λογιστική, ενισχύοντας τις επιχειρησιακές δυνατότητες οποιουδήποτε στρατού που τα χρησιμοποιεί. Στο μέλλον, θα δείτε συστήματα AI που θα τροφοδοτούν προχωρημένα όπλα παραμονής και drones και θα βοηθούν τους σχεδιαστές να διατηρούν την επίγνωση της κατάστασης.

Αυτόνομα Οχήματα: Ένα από τα κύρια σενάρια χρήσης για προχωρημένη AI είναι η πλοήγηση αυτόνομων οχημάτων. Το όνειρο των πλήρως αυτόνομων αυτοκινήτων έχει υιοθετηθεί αργά, αλλά οι πρόσφατες προόδους έχουν φέρει το όραμα πιο κοντά από ποτέ. Αυτή η πρόσφατη ανακάλυψη AI θα βοηθήσει στη βελτίωση της απόδοσης και θα ανοίξει το δρόμο για πιο προχωρημένα αυτόνομα οχήματα ικανά για πτήση και άλλα.

Αυτή η τεχνολογία θα βοηθήσει κάποια μέρα να κάνουν τις κοινότητες πιο ασφαλείς και τις καθημερινές σας εργασίες πιο εύκολες. Ωστόσο, υπάρχουν ακόμη λεπτομέρειες και εμπόδια που η τεχνολογία πρέπει να ξεπεράσει πριν γίνει κυρίαρχη. Παρά τις καθυστερήσεις, η πιθανή εμπορική υιοθέτηση εκτιμάται εντός 5–10 ετών, με πιο κοντινές εφαρμογές σε εξειδικευμένες εργασίες AI χαμηλής κατανάλωσης.

Γνωρίστε την Ερευνητική Ομάδα Πίσω από αυτήν την Ανακάλυψη AI

Μηχανικοί από το Τμήμα Πληροφορικής και Ηλεκτρονικής Μηχανικής του Texas A&M και το Πανεπιστήμιο της Καλιφόρνιας, Λος Άντζελες συνεργάστηκαν για να φέρουν αυτή τη μελέτη στο φως. Συγκεκριμένα, οι Jungmin Lee, Rahul Shenoy και Atharva Deo ηγήθηκαν της έρευνας.

Έλαβαν βοήθεια από μια ομάδα μηχανικών, συμπεριλαμβανομένων των Sun Yi, Dawei Gao, David Qiao, Mingjie Xu, Shiva Asapu, Zixuan Rong, Dhurva Nathan, Yong Hei, Dharma Paladugu, Jian‑Guo Zheng, J. Joshua Yang, R. Stanley Williams, Qing Wu και Yong Chen. Ιδιαίτερα, η μελέτη χρηματοδοτήθηκε από το Air Force Office of Scientific Research.

 Η Επιχειρηματική Προοπτική: Πώς η NVIDIA και Άλλοι Προωθούν τη Νευρομορφική AI

Ο αγώνας για την AI είναι σε εξέλιξη, και οι ανταγωνιζόμενες εταιρείες ξοδεύουν δισεκατομμύρια για να προσπαθήσουν να κυριαρχήσουν στον τομέα. Η σχετικά διαταραγτική φύση της AI σημαίνει ότι υπάρχουν νέες ευκαιρίες για εταιρείες όπως η OpenAI να εμφανιστούν ξαφνικά και να εξασφαλίσουν κορυφαία θέση στην αγορά. Ενώ είναι πολύ δύσκολο να προσδιοριστεί ποιος θα είναι ο επόμενος νέος παίκτης στον τομέα, είναι εύκολο να δούμε ποιος έχει κυριαρχήσει στην αγορά τα τελευταία χρόνια.

NVIDIA Corporation

Η NVIDIA (NVDA ) εισήλθε στην αγορά το 1993 και εδρεύει στην Καλιφόρνια. Ο πλέον παγκοσμίως διάσημος κατασκευαστής καρτών γραφικών 3D πρωτοπόρησε σε ASIC και άλλα σχεδιαστικά καινοτόμα προϊόντα κατά τα χρόνια. Αυτές οι αναβαθμίσεις βοήθησαν την εταιρεία να επαναπροσανατολιστεί από εταιρεία καρτών γραφικών παιχνιδιών σε ένα από τα πιο αναγνωρίσιμα ονόματα στον τομέα της AI.

 Η άνοδος της NVIDIA δεν πέρασε απαρατήρητη. Η μετοχή της έχει δει σημαντική ανάπτυξη, και τον Ιούνιο του 2024, η εταιρεία έφτασε σε κεφαλαιοποίηση αγοράς 3 τρισεκατομμυρίων δολαρίων. Σήμερα, η NVIDIA είναι ηγέτης σε νευρομορφικό και edge AI υλικό. Ως εκ τούτου, παραμένει έντονα εμπλεκόμενη στον σχεδιασμό αποδοτικότητας εκτίμησης AI και αρχιτεκτονικών εμπνευσμένων από τον εγκέφαλο. Όσοι αναζητούν αξιόπιστη και αποδεδειγμένη μετοχή AI θα πρέπει να αφιερώσουν χρόνο για περαιτέρω έρευνα στην NVIDIA.

Για μια πιο κοντινή ματιά στην NVIDIA, βεβαιωθείτε ότι θα δείτε το spotlight μας για αυτόν τον γίγαντα της βιομηχανίας.

Τελευταία Ειδήσεις για την NVIDIA Corporation

Το Μέλλον της AI: Φυσική Νοημοσύνη, Τεχνητά Σχεδιασμένη

Οι μηχανικοί πίσω από αυτή τη μελέτη έχουν ξεκλειδώσει ένα νέο επίπεδο στην ικανότητα της AI. Ο νέος σχεδιασμός του chip τους θα επιτρέψει στην AI να αναπτύσσει ταχύτερους και πιο έξυπνους αλγόριθμους. Αυτά τα συστήματα θα τροφοδοτούν κάποια μέρα σχεδόν κάθε στοιχείο στη ζωή σας. Προς το παρόν, αυτή η έρευνα έδειξε πώς οι επιστήμονες μπορούν να αντλήσουν έμπνευση από τη φύση και το ανθρώπινο σώμα για να προωθήσουν την καινοτομία σε νέα ύψη.

Μάθετε για άλλα ενδιαφέροντα έργα AI τώρα.

Μελέτες που Αναφέρονται:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}