Yapay zeka modelleri güç domuzları.

Algoritmalar büyüyüp karmaşıklaştıkça, mevcut bilgisayar çiplerini giderek daha fazla zorluyorlar. Birçok şirket, güç tüketimini azaltmak için yapay zekaya özel çipler tasarladı. Ancak hepsi tek bir temel kurala dayanıyor; elektrik kullanıyorlar.

Bu ay Çin'deki Tsinghua Üniversitesi'nden bir ekip tarifi değiştirdi. Onlar bir sinir ağı çipi inşa etti Yapay zeka görevlerini enerji maliyetinin çok altında bir maliyetle yürütmek için elektrik yerine ışık kullanan NVIDIA'nın H100'üYapay zeka modellerini eğitmek ve çalıştırmak için kullanılan son teknoloji ürünü bir çip.

Taichi adı verilen çip, iki tür ışık tabanlı işlemeyi iç yapısında birleştiriyor. Öncekiyle karşılaştırıldığında optik çipler, Taichi, elle yazılmış sayıları veya diğer görüntüleri tanımak gibi nispeten basit görevler için çok daha doğrudur. Öncekilerden farklı olarak çip içerik de üretebiliyor. Örneğin Hollandalı sanatçı Vincent van Gogh'a dayalı bir tarzda temel görüntüler veya Johann Sebastian Bach'tan ilham alan klasik müzikal şarkılar oluşturulabiliyor.

Taichi'nin verimliliğinin bir kısmı yapısından kaynaklanmaktadır. Çip, chiplet adı verilen birden fazla bileşenden oluşur. Beynin organizasyonuna benzer şekilde, her chiplet kendi hesaplamalarını paralel olarak gerçekleştirir ve sonuçları daha sonra diğerleriyle birleşerek bir çözüme ulaşır.

Görüntüleri 1,000'den fazla kategoride ayırma gibi zorlu bir sorunla karşı karşıya kalan Taichi, mevcut çip performansını yakalayarak neredeyse yüzde 92 oranında başarılı oldu, ancak enerji tüketimini bin kattan fazla azalttı.

Yazarlar, yapay zeka için "daha gelişmiş görevlerle uğraşma eğiliminin geri döndürülemez" olduğunu yazdı. "Taichi, büyük ölçekli fotonik [ışık tabanlı] bilgi işlemin önünü açıyor, böylece daha düşük enerji maliyetleriyle daha esnek yapay zekaya yol açıyor.

Omuzdaki Çip

Günümüzün bilgisayar çipleri yapay zeka ile pek uyumlu değil.

Sorunun bir kısmı yapısaldır. Geleneksel çiplerdeki işleme ve bellek fiziksel olarak ayrılmıştır. Verilerin aralarında mekik dokuması muazzam miktarda enerji ve zaman alır.

Nispeten basit sorunları çözmek için verimli olsa da, ChatGPT'yi destekleyen büyük dil modelleri gibi karmaşık yapay zeka söz konusu olduğunda kurulum inanılmaz derecede güç tüketiyor.

Asıl sorun bilgisayar çiplerinin nasıl oluşturulduğudur. Her hesaplama, hesaplamalarda kullanılan 0 ve 1'leri temsil etmek üzere açılıp kapanan transistörlere dayanır. Mühendisler, çiplere daha fazla şey sığdırabilmek için onlarca yıldır transistörleri önemli ölçüde küçülttüler. Ancak mevcut çip teknolojisi küçülemeyeceğimiz bir kırılma noktasına doğru ilerliyor.

Bilim insanları uzun süredir mevcut çipleri yenilemeye çalışıyor. Beyinden ilham alan stratejilerden biri, bilgiyi hesaplayan ve aynı yerde saklayan "sinapslara" (nöronları birbirine bağlayan biyolojik "dock") dayanır. Bu beyinden ilham alan veya nöromorfik çipler, enerji tüketimini azaltıyor ve hesaplamaları hızlandırıyor. Ancak mevcut çipler gibi onlar da elektriğe güveniyor.

Başka bir fikir ise tamamen farklı bir bilgi işlem mekanizması kullanmaktır: ışık. Yazarlar, "Fotonik hesaplamanın giderek artan ilgi gördüğünü" yazdı. Yapay zekaya ışık hızında güç sağlamak için elektrik kullanmak yerine hafif parçacıkları ele geçirmek mümkün olabilir.

Orada Işık Let

Elektrik tabanlı çiplerle karşılaştırıldığında ışık çok daha az güç kullanıyor ve aynı anda birden fazla hesaplamayı gerçekleştirebiliyor. Bu özelliklerden yararlanan bilim insanları, yapay zeka çipleri için elektrik yerine fotonları (ışık parçacıkları) kullanan optik sinir ağları oluşturdular.

Bu çipler iki şekilde çalışabilir. Bunlardan birinde çipler, ışık sinyallerini tasarlanmış kanallara dağıtıyor ve bu kanallar sonunda bir sorunu çözmek için ışınları birleştiriyor. Kırınım adı verilen bu optik sinir ağları, yapay nöronları yakın bir şekilde bir araya topluyor ve enerji maliyetlerini en aza indiriyor. Ancak kolayca değiştirilemezler, yani yalnızca tek ve basit bir problem üzerinde çalışabilirler.

Farklı bir kurulum, ışığın girişim adı verilen başka bir özelliğine bağlıdır. Okyanus dalgaları gibi ışık dalgaları da birleşip birbirini iptal eder. Bir çip üzerindeki mikro tünellerin içindeyken çarpışarak birbirlerini güçlendirebilir veya engelleyebilirler; bu girişim desenleri hesaplamalar için kullanılabilir. Parazite dayalı çipler, interferometre adı verilen bir cihaz kullanılarak kolayca yeniden yapılandırılabilir. Sorun şu ki, fiziksel olarak hantallar ve tonlarca enerji tüketiyorlar.

O zaman doğruluk sorunu var. Parazit deneyleri için sıklıkla kullanılan oyulmuş kanallarda bile ışık seker ve saçılır, bu da hesaplamaları güvenilmez hale getirir. Tek bir optik sinir ağı için hatalar tolere edilebilir düzeydedir. Ancak daha büyük optik ağlar ve daha karmaşık sorunlarla birlikte gürültü katlanarak artıyor ve savunulamaz hale geliyor.

Bu nedenle ışık tabanlı sinir ağlarının ölçeği kolayca büyütülemez. Şu ana kadar yalnızca sayıları veya sesli harfleri tanımak gibi temel görevleri çözebildiler.

Ekip, "Mevcut mimarilerin ölçeğini büyütmek, performansları orantılı olarak iyileştirmeyecektir" diye yazdı.

Double Trouble

Yeni yapay zeka Taichi, optik sinir ağlarını gerçek dünyada kullanıma yönlendirmek için bu iki özelliği birleştirdi.

Ekip, tek bir sinir ağı yapılandırmak yerine, bir görevin farklı bölümlerini birden fazla işlevsel bloğa devreden çiplet yöntemini kullandı. Her bloğun kendine has güçlü yönleri vardı: Bunlardan biri, kısa sürede büyük miktarda veriyi sıkıştırabilen kırınımı analiz etmek için kuruldu. Çipin görevler arasında kolayca yeniden yapılandırılmasına olanak tanıyan girişim sağlamak için başka bir bloğa interferometreler yerleştirildi.

Derin öğrenmeyle karşılaştırıldığında Taichi, görevin birden fazla yongaya yayıldığı "sığ" bir yaklaşım benimsedi.

Standart derin öğrenme yapılarında hatalar, katmanlar ve zaman içinde birikme eğilimindedir. Bu kurulum, başlangıçta sıralı işlemeden kaynaklanan sorunları ortadan kaldırır. Bir sorunla karşılaşıldığında Taichi, iş yükünü birden fazla bağımsız kümeye dağıtarak daha büyük sorunların minimum hatayla çözülmesini kolaylaştırır.

Strateji işe yaradı.

Taichi, öğrenmeyi ve hafızayı kodlayan beyin bağlantılarını taklit eden yaklaşık 4,256 milyon parametreyle birlikte toplam 14 yapay nöronluk hesaplama kapasitesine sahiptir. Ekip, görüntüleri 1,000 kategoriye ayırırken, fotonik çipin neredeyse yüzde 92 oranında doğru olduğunu ve "şu anda popüler olan elektronik sinir ağlarıyla" karşılaştırılabileceğini yazdı.

Çip ayrıca farklı alfabelerden elle yazılmış karakterlerin tanımlanması gibi diğer standart AI görüntü tanıma testlerinde de başarılı oldu.

Son bir test olarak ekip, içeriği farklı sanatçı ve müzisyenlerin tarzında kavraması ve yeniden yaratması için fotonik yapay zekaya meydan okudu. Yapay zeka, Bach'ın repertuarıyla eğitildiğinde sonunda müzisyenin perdesini ve genel tarzını öğrendi. Benzer şekilde, ünlü tablonun arkasındaki sanatçı olan van Gogh veya Edvard Munch'un resimleri, ÇığlıkYapay zekaya beslenmek, benzer tarzda görüntüler oluşturmasına olanak tanıdı, ancak birçoğu yeni yürümeye başlayan çocukların eğlencesi gibi görünüyordu.

Optik sinir ağlarının hala gidecek çok yolu var. Ancak geniş çapta kullanılırsa mevcut yapay zeka sistemlerine göre enerji açısından daha verimli bir alternatif olabilirler. Taichi, önceki versiyonlara göre 100 kat daha fazla enerji verimlidir. Ancak çip, güç ve veri aktarım birimleri için hâlâ yoğunlaştırılması zor olan lazerlere ihtiyaç duyuyor.

Daha sonra ekip, hazır mini lazerleri ve diğer bileşenleri tek bir uyumlu fotonik çipte birleştirmeyi umuyor. Bu arada, Taichi'nin "daha güçlü optik çözümlerin geliştirilmesini hızlandıracağını" ve bunun sonunda güçlü ve enerji tasarruflu yapay zekada "yeni bir çağa" yol açacağını umuyorlar.

Resim Kredi: spainter_vfx / Shutterstock.com

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://singularityhub.com/2024/04/15/a-new-photonic-computer-chip-uses-light-to-slash-ai-energy-costs/