Tim znanstvenika iz Kine možda je pronašao način kako suzbiti rastuću potrošnju energije koja se troši za uvježbavanje umjetne inteligencije, oživljavanjem analognih računala.
Za razliku od digitalnih uređaja poput prijenosnih računala ili pametnih telefona, koji pohranjuju podatke pomoću 0 i 1, analogna računala koriste neprekidno promjenjive veličine, poput napona ili električnog otpora. Povijesno gledano, analogna računala bila su ograničena na uske skupove problema i imala manju preciznost od digitalnih sustava, no taj se jaz sada smanjuje.
Zhong Sun sa Sveučilišta u Pekingu i njegovi kolege razvili su dva analogna čipa koji zajedno rješavaju matrične jednadžbe, odnosno matematičku osnovu treniranja umjetne inteligencije, telekomunikacija i znanstvenih simulacija, ali s dosad neviđenom točnošću. Njihova studija vezana za to objavljena je u časopisu Nature Electronics.
Prvi čip proizvodi brza, ali gruba rješenja, dok drugi koristi iterativni algoritam kako bi postupno smanjio pogrešku. Sun je za New Scientist pojasnio da prvi čip proizvodi rezultate s pogreškom od oko 1 posto, ali nakon tri ciklusa drugog čipa ona pada na 0,0000001 posto, što je razina usporediva s preciznošću standardnih digitalnih izračuna.
Trenutno njihov prototip može rješavati matrice sa 16 redaka i 16 stupaca, što odgovara 256 varijabli. No povećavanje na razinu potrebnu za moderne AI modele zahtijevalo bi sklopove veličine matrica od možda i milijun puta milijun.
Sun napominje da analogni sustavi zadržavaju isto vrijeme rješavanja kako matrice rastu, dok se opterećenje digitalnih čipova eksponencijalno povećava. Budući procesor od 32 puta 32 mogao bi u tom smislu premašiti propusnost Nvidia H100 GPU-a, uz do 100 puta manju potrošnju energije.
To je samo usporedba brzine, a kod stvarnih primjena problem može biti drukčiji, upozorava ipak Sun. Najizgledniji razvoj, kaže, jesu hibridni procesori koji spajaju analogne i digitalne komponente.
James Millen s Kraljevskog koledža u Londonu ističe širu važnost otkrića kineskih znanstvenika. Analogna računala prilagođena su određenim zadacima i zbog toga mogu biti iznimno brza i učinkovita. Učinkovitije izvođenje takvih izračuna moglo bi pomoći u smanjenju goleme potražnje za energijom koja proizlazi iz naše sve veće ovisnosti o umjetnoj inteligenciji, rekao je za New Scientist.
