Аналогни рачунари би могли да тренирају АИ 1000 пута брже и да смање потрошњу енергије

Аналогни рачунари који брзо решавају кључну врсту једначине која се користи у обуци модела вештачке интелигенције могли би да понуде потенцијално решење за растућу потрошњу енергије у центрима података изазвану бумом вештачке интелигенције.

Преносни рачунари, паметни телефони и други познати уређаји познати су као дигитални рачунари, јер складиште и обрађују податке као низ бинарних цифара, било 0 или 1, и могу се програмирати за решавање низа проблема. Насупрот томе, аналогни рачунари су обично дизајнирани да реше само један специфичан проблем. Они чувају и обрађују податке користећи количине које могу континуирано да варирају, као што је електрични отпор, а не дискретне 0 и 1.

Аналогни рачунари могу да се одликују брзином и енергетском ефикасношћу, али им је раније недостајала тачност својих дигиталних колега. Сада, Зхонг Сун са Универзитета у Пекингу, Кина, и његове колеге су креирали пар аналогних чипова који раде заједно на прецизном решавању матричних једначина – што је основни део слања података преко телекомуникационих мрежа, покретања великих научних симулација или обучавања АИ модела.

Први чип даје решење ниске прецизности за матричне прорачуне веома брзо, док други покреће итеративни алгоритам прецизирања да анализира стопе грешке првог чипа и тако побољша тачност. Сун каже да први чип даје резултате са стопом грешке од око 1 проценат, али да након три циклуса другог чипа, ово пада на 0,0000001 проценат – што се, како каже, подудара са прецизношћу стандардних дигиталних прорачуна.

До сада су истраживачи направили чипове способне да реше матрице 16 пута 16, или оне са 256 варијабли, које би могле имати примену за неке мале проблеме. Али Сун признаје да би решавање питања која се користе у данашњим великим АИ моделима захтевало далеко већа кола, можда милион пута милион.

Али једна предност аналогних чипова у односу на дигиталне је та што се решавање већих матрица не тражи дуже, док се дигитални чипови експоненцијално боре како се величина матрице повећава. То значи да би пропусност – количина података у секунди – матричног чипа 32 к 32 надмашила Нвидиа Х100 ГПУ, један од врхунских чипова који се данас користе за обуку АИ.

Теоретски, даљим скалирањем би пропусност могла да достигне 1000 пута већу од дигиталних чипова попут ГПУ-а, уз коришћење 100 пута мање енергије, каже Сун. Али он брзо истиче да задаци у стварном свету могу да залутају изван екстремно уских могућности њихових кола, што доводи до мањих добитака.

„То је само поређење брзине, а за стварне апликације проблем може бити другачији“, каже Сун. „Наш чип може да ради само матричне прорачуне. Ако матрично израчунавање заузима већину рачунарског задатка, то представља веома значајно убрзање проблема, али ако не, биће ограничено убрзање.“

Сун каже да је због тога највероватнији исход стварање хибридних чипова, где ГПУ садржи нека аналогна кола која решавају врло специфичне делове проблема – али чак и то је вероватно за неколико година.

Џејмс Милен са Краљевског колеџа у Лондону каже да су матричне калкулације кључни процес у обуци АИ модела и да аналогно рачунарство нуди потенцијални подстицај.

„Савремени свет је изграђен на дигиталним рачунарима. Ове невероватне машине су универзални рачунари, што значи да се могу користити за израчунавање апсолутно било чега, али не мора се све нужно израчунати ефикасно или брзо“, каже Миллен. „Аналогни рачунари су прилагођени специфичним задацима, и на овај начин могу бити невероватно брзи и ефикасни. Овај рад користи аналогни рачунарски чип да убрза процес који се зове инверзија матрице, што је кључни процес у обуци одређених АИ модела. Ефикасније обављање овога би могло помоћи у смањењу огромних енергетских захтева нашег стално растућег ослањања на АИ.“