Computadoras que operan con los mismos principios que el cerebro podría ser clave para reducir Facturas de energía masivas de AI. Sandia Nationwide Laboratories acaba de encender un dispositivo capaz de simular entre 150 y 180 millones de neuronas.
El carrera para construir modelos de IA cada vez mayores ha arrojado enormes saltos en la capacidad, pero también ha aumentado enormemente los recursos que la IA requiere para capacitación y operación. De acuerdo a algunas estimacionesAI ahora podría representar hasta el 20 por ciento de la demanda de energía del centro de datos world.
El cerebro humano podría proporcionar una solución a este problema creciente. La computadora dentro de nuestras cabezas resuelve problemas más allá de los modelos de IA más grandes, mientras que solo dibuja alrededor de 20 vatios. El campo de computación neuromórfica El {hardware} de la computadora está apostando más de cerca al cerebro podría ayudarnos a igualar su potencia y eficiencia energética.
La startup alemana Spinncloud ha construido una supercomputadora neuromórfica conocida como Spinnaker2, basada en la tecnología desarrollada por Steve Furber, diseñador de la innovadora arquitectura de chips de ARM. Y hoy, Sandia anunció que había desplegado oficialmente el dispositivo en sus instalaciones en Nuevo México.
“Aunque los sistemas basados en GPU pueden aumentar la eficiencia de las supercomputadoras mediante el procesamiento de cargas de trabajo altamente paralelas e intensivas en matemáticas mucho más rápido que las CPU, los sistemas inspirados en el cerebro, como el sistema Spinnaker2, ofrecen una alternativa atractiva”, científico de investigación de Sandia Craig Winery dijo en un comunicado. “El nuevo sistema ofrece un rendimiento impresionante y ganancias sustanciales de eficiencia”.
Las redes neuronales que se alimentan AI moderna ya están modelados libremente en el cerebro, pero solo a un nivel muy rudimentario. Las computadoras neuromórficas marcan el realismo biológico con la esperanza de que podamos replicar más de cerca algunas de las cualidades más atractivas del cerebro.
En comparación con las máquinas tradicionales, las computadoras neuromórficas imitan la forma en que el cerebro se comunica usando estallidos de electricidad. En las redes neuronales convencionales, la información se mueve entre las neuronas en forma de números cuyo valor puede variar. En contraste, las computadoras neuromórficas utilizan redes neuronales de picos donde la información está contenida en el momento de los picos entre las neuronas.
En el enfoque convencional, cada neurona se activa cada vez que la crimson procesa los datos, incluso si los números que transmite no contribuyen mucho al resultado. Pero en una crimson neuronal de picos, las neuronas solo se activan brevemente cuando tienen información importante para transmitir, lo que significa que muchas menos neuronas atraen potencia en cualquier momento.
Puede ejecutar una crimson neuronal de picos en una computadora convencional, pero para ver realmente los beneficios, necesita chips especialmente diseñados para apoyar este enfoque novedoso. El sistema Spinnaker2 presenta miles de pequeños núcleos de procesamiento a base de brazo que operan en paralelo y se comunican utilizando mensajes muy pequeños.
De manera essential, los núcleos no siempre están encendidos, como lo estarían en una computadora regular. Están basados en eventos, lo que significa que solo se despiertan y procesan datos cuando reciben un mensaje, o pico, antes de volver al modo inactivo. En whole, Spinncloud afirma que esto hace que su máquina sea 18 veces más eficiente energéticamente que los sistemas construidos con unidades de procesamiento de gráficos existentes (GPU).
“Nuestra visión es ser pionero en el futuro de la inteligencia synthetic”, dijo Héctor A. González, cofundador y CEO de Spinncloud. “Estamos encantados de asociarnos con Sandia en esta empresa y ver que el sistema se transfiera de primera mano”.
El principal desafío que enfrenta la computación neuromórfica es que opera de manera fundamentalmente diferente en comparación con los sistemas de IA existentes. Esto hace que sea difícil traducir entre las dos disciplinas. La falta de herramientas de software program e infraestructura de soporte también hace que sea difícil comenzar.
Pero a medida que aumentan las facturas de energía de AI, la promesa de una eficiencia energética enormemente mejorada es convincente. Este momento puede ser el único que la computación neuromórfica ha estado esperando.
