Mozkem inspirovaný elektronický systém výrazně sníží uhlíkovou stopu umělé inteligence

13. května 2021  ·  Jaroslav Polák

Extrémně energeticky účinná umělá inteligence je nyní blíže realitě poté, co výzkumníci z University College London (UCL) objevili způsob, jak zlepšit přesnost výpočetního systému. Inspiraci nalezli ve fungování biologického mozku.

Umělé inteligence, tj. virtuální neuronální sítě, které je možné vytrénovat ke specifickým účelům, se v posledním desetiletí staly každodenní realitou a jsou neodmyslitelnou součástí vědeckého výzkumu, podnikání, marketingu, včetně politického, autonomních vozidel, vojenství a mnoha dalších oblastí. Nasazení umělých inteligencí v mnoha případech klade i závažné etické otázky, například v oblasti sledování lidí, ale bez ohledu na to, jaký názor na tuto technologii zastáváme, je nesporné, že umělá inteligence již s námi zůstane. S tím se však stále palčivěji vynořuje problém její extrémní energetické náročnosti a s tím spojené uhlíkové stopy. Trénink typické umělé inteligence může generovat až 284 tun oxidu uhličitého, což odpovídá celoživotním emisím pěti automobilů. Je tudíž přirozené, že existuje ekonomický i ekologický tlak na zefektivnění tohoto procesu.

Klíčem by mohla být výměna tranzistorů za memristory, elektronické součástky, které byly poprvé vyrobeny v roce 2008. Memristory lze chápat jako „rezistory s pamětí“, protože zaznamenávají množství elektrického náboje, který jimi protékal, a to i po vypnutí. Memristory tudíž fungují nejen v klasickém binárním kódu jedniček a nul, ale na více úrovních mezi oběma hodnotami současně, což znamená, že do každého bitu lze vložit mnohem větší množství informací.

V době, kdy byly vyvinuty, byly memristory považovány za revoluční, doslova za „chybějící článek“ v elektronice doplňující klasickou triádu odpor, kondenzátor a induktor. Od té doby byly komerčně využívány v paměťových zařízeních, nicméně k jejich dalšímu rozvoji dosud nedošlo. Výzkumný tým UCL nyní tvrdí, že by mohly být v horizontu tří let efektivně využity pro vývoj systémů umělé inteligence, přičemž systém, který k vytváření umělých neuronových sítí použije memristory, bude nejméně tisíckrát energeticky účinnější než konvenční AI hardware založený na tranzistorech. Energetická náročnost tréninku umělé inteligence tak bude srovnatelná s odpolední projížďkou autem.

Problém, který však byl až doposud s využitím memristorů spojen, spočíval v jejich náchylnosti k chybám. Memristory jsou často popisovány jako součástky, jež umožňují neuromorfní (mozkem inspirovanou) formu výpočtu, protože stejně jako v mozku jsou zpracování dat a paměť implementovány v adaptivních stavebních blocích. Tím se takový systém liší od současných počítačových systémů, jež ztrácejí velké množství energie v důsledku datových transferů. Ovšem, stejně jako biologický mozek a jeho neurony, nejsou schopny zajistit optimální přesnost svých výpočtů. Z toho důvodu nemohly být memristory pro aplikace spojené s umělou inteligencí dosud efektivně využity.

V nové studii publikované v Nature Communications inženýři z UCL zjistili, že spolehlivost memristorů byla zásadně zlepšena nahrazením jedné velké neuronové sítě několika podskupinami dílčích neuronových sítí, jejichž výpočty byly následně zprůměrovány a díky tomu došlo k eliminaci chyb, jež byly některými memristory nevyhnutelně generovány. Celková architektura takové umělé inteligence se tudíž více přiblíží fungování biologického mozku, jehož jednotlivé spolupracující funkční systémy rovněž zajišťují eliminaci chyb při interpretaci reality.

Ve studii výzkumníků z UCL (Dr. Adnan Mehonic, doktorand Dovydas Joksas) a jejich dalších kolegů z Velké Británie a USA je popsáno testování nového architektonického přístupu na několika různých typech memristorů. Výzkum prokázal, že navržené řešení zlepšilo přesnost všech typů těchto součástek bez ohledu na materiál nebo konkrétní technologii jejich výroby. Skutečnost, nakolik prosté průměrování výstupů dílčích neuronových sítí celkovou přesnost výpočtů zvyšuje, byla dle výzkumného týmu překvapující.

Přínosy nové technologie umělé inteligence založené na memristorech budou zcela zásadní. Kromě ekologických a ekonomických benefitů, spojených s nižší energetickou náročností, lze předpokládat výrazné snížení objemu potřebné hardwarové infrastruktury a eliminace nutnosti propojení výpočetních kapacit prostřednictvím internetu. Kompaktní hardware pro umělou inteligenci tak bude nejen úspornější, ale též výrazně rychlejší, protože nebude omezován limitovanou datovou prostupností internetových připojení.

Není účelem tohoto článku uvažovat, zda další výzkum a vývoj tohoto druhu povede k utopii, dystopii či prostě ke světu, který jsme si před několika desetiletími sice nedokázali ani představit, ale stále bude mít své světlé i temné stránky. Výzkum a vývoj prostě zastavit nelze.

Zdroj:

https://www.ucl.ac.uk/news/2020/aug/brain-inspired-electronic-system-could-vastly-reduce-ais-carbon-footprint