Artipisyal na Intelihensiya
Paano Ginagawang Mas Katulad ng Tao ang AI sa Pamamagitan ng mga Memristor
Idagdag ang Securities.io sa mga gusto mong mapagkunan sa Google
Ang Pag-usbong ng Neuromorphic na Hardware ng AI na Tularan ang Utak
Habang nagiging sentro ng industriya ng teknolohiya ang AI, lumilitaw ang isang lumalaking problema: napakalaki ng pangangailangan nito sa computing at enerhiya kapag isinasagawa sa mga CPU at GPU.
Dahil dito, puspusang binubuo ng mga mananaliksik ang mga Neural Processing Unit (NPU), na tinatawag ding neuromorphic chip—isang uri ng hardware ng AI na ginagaya ang mga neuron ng utak.
“Hindi ito dahil hindi sapat ang lakas ng aming mga chip o computer para sa anumang ginagawa nila. Ito ay dahil hindi ito sapat na epektibo. Sobra ang konsumo nila ng enerhiya.”
Maaaring baguhin ng paglipat sa hardware na hango sa utak ang paraan ng pagharap natin sa artificial intelligence. May tatlong pangunahing bentahe ang neuromorphic na disenyo kumpara sa mga karaniwang chip:
- Naaangkop na arkitektura: mga circuit na kayang muling isaayos ang sarili batay sa datos ng pagsasanay.
- Napakataas na kahusayan sa enerhiya: sa ilang kaso, gumagamit lamang ng 1/100th ng kuryenteng kailangan ng isang GPU.
- Mas mababang paglabas ng init: binabawasan nito ang magastos na pangangailangan sa pagpapalamig ng mga data center ng AI ngayon.
(Maaari kang magbasa pa tungkol sa hardware na espesyal para sa AI, kabilang ang NPUs, sa aming dedikadong ulat hinggil sa paksa.)
“Ang kakayahang bumuo ng mga microchip na ginagaya ang aktwal na aktibidad ng neuron ay nangangahulugang hindi mo kailangan ng maraming kapangyarihan para sa standby o kapag hindi ginagamit ang makina.
Iyon ay maaaring maging isang napakalaking potensyal na kalamangan sa pagkompyut at ekonomiya.
John LaRocco – mananaliksik sa psychiatry sa College of Medicine ng Ohio State University
Sinusubukan ng mga mananaliksik ang ilang maaasahang paraan ng paglikha ng neuromorphic chip. Ang isang paraan ay ang paggamit ng incipient ferroelectricity—isang hindi pa lubos na nauunawaang penomenon na maaaring magpahintulot sa mga materyal na kusang baguhin ang kanilang elektrikal na polarisasyon sa tamang kondisyon. Nakatuon naman ang isa pang paraan sa mga aktibong substrate na gawa sa vanadium o titanium, na kayang pabagu-baguhin ang kanilang elektrikal na katangian upang gayahin ang paghahatid ng signal sa utak.
Marahil ang pinakatinatalakay na landas ay ang paggamit ng mga memristor—isang rebolusyonaryong uri ng elektronikong bahagi na nakapag-iimbak ng impormasyon sa pamamagitan ng pagbabago ng resistansiya. Kaya ng mga aparatong ito na magsagawa ng mga gawain ng AI gamit lamang ang 1/800th ng karaniwang konsumo ng kuryente, kaya kabilang ang mga ito sa pinakamatipid-sa-enerhiyang solusyong binubuo.
Paano Ginagaya ng mga Memristor ang mga Synapse
Mag-swipe para mag-scroll →
| Katangian | CPU | GPU | NPU / Memristor Chip |
|---|---|---|---|
| Arkitektura | Sunud-sunod at pangkalahatang gamit | Parallel at nakatuon sa matrix | Hango sa utak at naaangkop |
| Paggamit ng Enerhiya | Mataas | Katamtaman hanggang mataas | Napakababa (1/100–1/800 ng kuryente) |
| Kahusayan sa Pagkatuto | Mabagal; panlabas na memorya | Mabilis na pagsasanay; panlabas na memorya | Nasa memorya at kusang umaangkop |
| Pinakamainam na Gamit | Pangkalahatang computing | Pagsasanay ng modelo ng AI | Edge AI, robotics, at AI na mababa ang konsumo |
Ang mga memristor ay mga elektronikong bahaging ginagaya ang mga synapse na nag-uugnay sa mga neuron sa pamamagitan ng pag-alala sa elektrikal na estadong itinakda sa mga ito kahit patayin ang kuryente.
Malaki nitong mababawasan ang enerhiya at oras na nasasayang sa pabalik-balik na paglilipat ng datos sa pagitan ng processor at memorya.
Isa sa pinakamahalagang lakas ng mga memristor ang kakayahan nilang matuto nang mahusay, kusang umaangkop, at in situ—isang mahalagang katangian para sa robotics at mga autonomous na sasakyan.
Higit pa rito, lubhang kapaki-pakinabang sa robotics at mga autonomous na sasakyan ang mababang konsumo ng memristor, sapagkat napakahalaga roon ng kahusayan sa enerhiya.
Maraming paraan ang sinusuri upang malikha ang pinakamahusay na memristor, mula sa mas karaniwang titanium oxide memristor hanggang sa paggamit ng tunay na neuron ng tao (mga organoid) o maging ng mga kabute.
Makatuwiran sa teorya ang paggamit ng organikong materyal, kabilang ang tunay na mga neuron, upang gayahin ang aktibidad ng neuron. Ngunit sa aktuwal na paggamit, maaaring mahirap ikonekta ang ganitong “computer” sa mga tradisyonal na sistemang IT.
“Hindi kailanman idinisenyo ang mga umiiral nating sistema ng computing upang magproseso ng napakalaking dami ng datos o kusang matuto mula sa iilang halimbawa lamang.
Isang paraan upang mapahusay kapwa ang enerhiya at kahusayan sa pagkatuto ay ang pagbuo ng mga artipisyal na sistemang sumusunod sa mga prinsipyong nakikita sa utak.”
Nakagugulat ang kakulangang ito sa kahusayan kung ihahambing sa utak ng tao. Natututong kumilala ng sulat-kamay na numero ang isang bata matapos makita ang iilang halimbawa ng bawat isa, samantalang karaniwang nangangailangan ang computer ng libu-libong halimbawa upang magawa ang parehong gawain.
Nagagawa ito ng utak ng tao habang kumokonsumo lamang ng humigit-kumulang 20 W, samantalang ang pinakabagong mga data center ng AI ay umaabot sa antas na gigawatt—halos isandaang milyong ulit na mas mataas.
Isang posibleng gitnang landas ang paglikha ng mga artipisyal na chip na kumikilos tulad ng neuron sa kanilang pangunahing prinsipyo. Ito ang tinahak ng mga mananaliksik mula sa University of Southern California, University of California, University of Massachusetts, Syracuse University, Air Force Research Laboratory, at NASA Ames Research Center.
Inilathala nila ang kanilang mga resulta sa Nature Electronics1 sa pag-aaral na “Isang spiking artificial neuron batay sa isang diffusive memristor, isang transistor, at isang resistor”.
Paggaya sa Pagputok ng mga Neuron Gamit ang Diffusive Memristor
Paano Gumagana ang mga Neuron?
Gumagamit ang mga neuron ng elektrikal at kemikal na signal upang makipag-ugnayan sa isa’t isa at sa huli ay magproseso ng impormasyon.
Kapag sapat ang lakas ng isang signal, lumilikha ito ng elektrikal na pulso na tinatawag na action potential sa pamamagitan ng pagpapapasok ng mga positibong sodium ion sa loob ng selula.
Pinagmulan: Nature Electronics
Kapag natanggap ang elektrikal na signal na ito, naglalabas ang neuron ng mga neurotransmitter.
Hanggang ngayon, gumagamit ang mga elektronikong memristor at complementary metal–oxide–semiconductor (CMOS) circuit ng mga elektrikal na signal upang halos gayahin ang ganitong paggana, at nangangailangan ng daan-daang transistor upang tularan ang isang neuron.
Sa halip, bumuo ang mga mananaliksik ng aparatong tinatawag na “diffusive memristor”, na gumagamit din ng tunay na interaksiyong kemikal upang simulan ang mga prosesong computational.
Ano ang Diffusive Memristor at Paano Ito Gumagana?
Samantalang gumagamit ng mga electron ang tradisyonal na sistemang silicon sa pagkalkula, galaw ng mga atom ang ginagamit ng diffusive memristor. Gumagamit ito ng mga silver ion na nakabaon sa materyal na oxide upang lumikha ng mga elektrikal na pulso na ginagaya ang likas na paggana ng utak.
Pinagmulan: Nature Electronics
Hindi nito eksaktong ginagaya ang paggana ng neuron, ngunit halos magkapareho ang pangunahing prinsipyo.
“Bagama’t hindi eksaktong magkapareho ang mga ion sa aming artipisyal na synapse at neuron, halos magkatulad ang pisikang namamahala sa galaw at dinamika ng mga ion.”
Bahagi ng pagkakatulad na ito ang madaling pag-diffuse ng mga silver ion sa sistemang memristor, gaya ng paggalaw ng mga sodium ion sa mga organikong selula.
Bukod sa silver, gumagamit din ang memristor ng palladium, silicon, titanium, at hafnium. Nagawa ng mga mananaliksik na makita sa tunay na oras ang pag-diffuse ng silver bilang tugon sa elektrikal na stimulus.
Mag-swipe para mag-scroll →
| Patong / Materyal | Gampanin sa Aparato | Bakit Mahalaga |
|---|---|---|
| Mga silver (Ag) ion | Gumagalaw na species para sa spiking | Madaling nagdi-diffuse, nagbibigay-daan sa mga ion-driven na pulso na katulad ng pagputok ng neuron |
| Oxide matrix (hal., HfO2) | Daluyan ng ion at switching medium | Kinokontrol ang galaw ng ion at pagbuo ng filament para sa mga memristive na estado |
| Palladium (Pd) | Electrode at interface ng catalyst | Matatag na kontak at kanais-nais na kimika ng interface |
| Titanium (Ti) | Patong para sa adhesion at barrier | Pinapabuti ang katatagan ng electrode at integridad ng stack |
| Silicon (Si) | Substrate at integrasyon ng CMOS | Nagpapahintulot ng patayong integrasyon sa loob ng footprint ng transistor |
Ang Hinaharap: Mga Neuromorphic Chip at AI na Matipid sa Enerhiya
Isang mahalagang bentahe ng bagong uri ng memristor na ito ang pagkasya nito sa footprint ng iisang transistor, samantalang nangangailangan ang mga lumang disenyo ng sampu o maging daan-daan.
Iilang diffusive memristor lamang ang ginamit sa paunang pagsubok, ngunit ipinakita nito na magagamit ang mga ito upang buuin ang karaniwang multi-level neural network na ginagamit ng halos lahat ng sistema ng AI ngayon.
Pinagmulan: Nature Electronics
Ang susunod na hakbang ay pagdugtungin ang mas marami pang ganitong sistema upang masukat kung gaano kahusay ang mga ito sa aktuwal na pagsasagawa ng mga gawain ng AI.
“Dinidisenyo namin ang mga pangunahing bahagi na sa huli ay makapagpapaliit sa chip at makapagpapababa sa konsumo ng enerhiya nang maraming antas ng magnitude.
Kaya’t maaaring maging sustainable ang pagganap ng AI sa hinaharap, na may katulad na antas ng intelihensiya nang hindi nasusunog ang enerhiya na hindi natin kayang panatilihin.”
Mahalaga ring malaman kung maaaring gumamit ng ibang mga ion, sapagkat hindi karaniwang ginagamit sa paggawa ng semiconductor ang silver ion at maaari nitong pabagalin ang pagtanggap ng industriya sa disenyong ito.
Makakatulong din ang diffusive memristor upang higit na maunawaan kung paano gumagana ang biyolohikal na utak.
Sa pangmatagalan, malamang na magiging napakahalaga nito para sa tinatawag na “edge computing”, kung saan ginagawa ang pagkalkula sa mismong lugar—halimbawa, kapag kailangang magpasya ang isang robot o self-driving na sasakyan nang walang koneksiyon sa data center ng AI.
Pamumuhunan sa mga Neuromorphic Chipmaker
Intel
Ang Intel (INTC ) ay isang higante sa sektor ng semiconductor. Mula sa pagiging tagapagtatag ng industriya, umunlad ito bilang lider sa agham at inobasyon, bagama’t nawala sa mga kumpanyang gaya ng TSMC ng Taiwan ang unang puwesto sa dami ng pagmamanupaktura.
Nangunguna ang Intel sa neuromorphic computing, kabilang ang pamamagitan ng Loihi 2 chip nito.
Nilikha rin nito ang Intel Neuromorphic Research Community, na kinabibilangan ng Pennsylvania State University—na kasali sa pananaliksik sa vanadium dioxide—at mahigit 75 pang pangkat ng pananaliksik na sumusuri sa maraming potensyal na neuromorphic na disenyo.
INTC Tsart ng Presyo
Napakaaktibo rin ng Intel sa paggaya ng biyolohikal na pandama sa pamamagitan ng pagtulad sa paggana ng ating utak, na isa ring sangay ng neuromorphic computing. Mas detalyado namin itong tinalakay sa artikulong “Biomimetic Olfactory Chips: Ang Artificial Intelligence at E-Nose ba ang Susunod na Canary sa Minahan ng Uling?”.
Sa pangkalahatan, ang pananaliksik ng Intel Lab ay nangunguna sa inobasyon sa semiconductor, kabilang ang AI, quantum computing, at neuromorphic computing. Tinalakay namin ang mga pag-unlad ng Intel sa quantum computing sa artikulong “Ang Kasalukuyang Kalagayan ng Quantum Computing”.
Maaari ka ring magbasa pa tungkol sa kasalukuyang negosyo at mga programang R&D ng Intel sa aming nakalaang ulat sa pamumuhunan.
Pinakabagong Balita at Pag-unlad ng Stock ng Intel (INTC)
Pag-aaral na Binanggit
1. Zhao, R., Wang, T., Moon, T. et al. Isang spiking artificial neuron batay sa isang diffusive memristor, isang transistor, at isang resistor. Nature Electronics (2025). https://doi.org/10.1038/s41928-025-01488-x
