Ученые работают над новым подходом к компьютерным вычислениям, по примеру работы человеческого мозга, на фоне того, как традиционные чипы достигают физических пределов, а энергопотребление систем искусственного интеллекта продолжает расти. По прогнозам, к концу десятилетия потребление энергии центрами обработки данных, использующими ИИ, может удвоиться, что ставит вопросы об устойчивости такого развития.
Решением может стать нейроморфные вычисления, то есть переосмысление аппаратного обеспечения, чтобы оно обрабатывало информацию подобно биологическим нейронным сетям, а не обычным микросхемам. Одно из главных преимуществ мозга — его эффективность: он решает сложные задачи, потребляя около 20 ватт, как старая лампочка, тогда как современная компьютерная архитектура очень энергозатратна.
Группа американских ученых разрабатывает электронные компоненты, работающие как связи между нейронами — синапсы, которые одновременно отвечают за обучение, адаптацию и хранение информации. В обычных чипах процессы мышления и памяти происходят в разных местах, и данные постоянно передаются между ними, что замедляет работу и расходует энергию. В отличие от этого, мозг выполняет обе функции в одном месте, и исследователи создают органические транзисторы, которые могут одновременно хранить и обрабатывать информацию.
Ученые тестировали разные органические материалы, внешне почти одинаковые, но встроенные в синаптические транзисторы они показали разные характеристики. Главным фактором оказался интерфейс — тонкая граница между полупроводником и изолирующим слоем, которая сильно влияет на эффективность.
Работа дает другим ученым руководство по созданию более эффективного нейроморфного оборудования. Такие системы в будущем могут привести к созданию искусственного интеллекта, который обучается экономнее, потребляет меньше энергии и успешно решает задачи вроде распознавания образов и принятия решений. Хотя эти разработки пока находятся на ранней стадии, они сокращают разрыв между биологическими системами и машинами, и, как отмечают авторы работы, если нужны по-настоящему интеллектуальные машины, необходимо создавать оборудование, которое учится так же, как биологические организмы.