Cercetătorii au dezvoltat un procesor bazat pe rețele neuronale care poate îndeplini sarcini de inteligență artificială mult mai rapid decât cipurile convenționale, eliminând necesitatea de a accesa memoria externă.
Chiar și cele mai bune unități centrale de procesare se lovesc de blocaje atunci când procesează date, deoarece calculele trebuie să utilizeze memoria RAM, iar această navetă de date înainte și înapoi creează ineficiență. IBM speră să rezolve ceea ce este cunoscut sub numele de gâtul de îmbulzeală Von Neumann cu cipul său NorthPole, potrivit Nature.
Procesorul NorthPole încorporează o cantitate mică de memorie în fiecare dintre cele 256 de nuclee ale sale, care sunt conectate între ele într-un mod similar cu modul în care părțile creierului sunt conectate între ele cu materie albă. Acest lucru înseamnă că cipul atenuează în întregime gâtul de gâtul de la intrare.
Inspirație din creierul uman
NorthPole de la IBM este mai mult o dovadă de concept decât un cip complet funcțional care poate concura cu cei de la AMD și Nvidia. Acesta include doar 224 MB de memorie RAM, de exemplu, ceea ce nu este nici pe departe suficient de mare pentru AI sau pentru a rula modele lingvistice de mari dimensiuni (LLM).
De asemenea, cipul poate doar să ruleze rețele neuronale pre-programate și antrenate pe sisteme separate. Dar arhitectura sa unică înseamnă că adevăratul punct de atracție este eficiența energetică cu care se poate lăuda. Cercetătorii susțin că, dacă NorthPole ar fi fost creat astăzi cu standarde de fabricație de ultimă generație, ar fi de 25 de ori mai eficient decât cele mai bune GPU și cele mai bune procesoare.
"Eficiența sa energetică este pur și simplu uluitoare", a declarat Damien Querlioz, cercetător în domeniul nanoelectronicii la Universitatea Paris-Saclay din Palaiseau, potrivit Nature. "Lucrarea, publicată în Science, arată că calculul și memoria pot fi integrate la scară largă, spune el. "Cred că lucrarea va zdruncina gândirea comună în arhitectura calculatoarelor".
De asemenea, poate depăși sistemele de inteligență artificială în sarcini precum recunoașterea imaginilor. Arhitectura sa de rețea neuronală înseamnă că un strat inferior preia date, cum ar fi pixelii dintr-o imagine, iar straturile ulterioare încep să detecteze modele care devin mai complexe pe măsură ce informațiile sunt transmise de la un strat la altul. Stratul superior produce apoi rezultatul final, cum ar fi sugerarea dacă o imagine conține un anumit obiect.
Vezi versiune mobil