Представлен чип, копирующий механику мозга и в 2000 раз более экономичный, чем обычный ИИ

Современные нейросети вроде ChatGPT потребляют очень много электричества, так как данные приходится постоянно перегонять туда-сюда между памятью и процессором. Инженеры из Университета Лафборо предложили обойтись без этого, они сделали чип, который всё обрабатывает прямо на месте. По оценке исследователей, их устройство может быть энергоэффективнее обычных программных решений аж в две тысячи раз. При этом чип не просто выполняет команды, а подстраивается под прошлый опыт, как человеческий мозг.

Группа физиков спроектировала чип, который не делит память и вычисления, а совмещает их в одном узле. Ключевой элемент — мемристор. Это такой резистор с памятью, который запоминает, какие сигналы проходили через него раньше, и на основе этого меняет своё поведение. Проще говоря, обычный транзистор — это тумблер: включил-выключил. А мемристор — это выключатель с накопленным опытом. Именно так работают нейронные связи в мозге: часто используемые контакты укрепляются, редкие — ослабевают.

Исследователи создали тончайшие плёнки из оксида ниобия с наноразмерными порами, которые образуют случайные физические связи. поэтому чип не нуждается в программной эмуляции нейронов, он просто физически перестраивает свою структуру под поступающие данные. Частота пульса, электрическая активность мозга, уличная температура, вибрация двигателя автомобиля. Всё это данные, которые нельзя один раз загрузить в память и забыть, они меняются каждую секунду и отслеживать их традиционными методами энергетически дорого. Новый чип способен обрабатывать сигнал прямо на месте, например, внутри смарт-часов или датчика на заводском оборудовании.

В их экспериментах чип выполнил задачу прогнозирования сложного временного ряда (то есть предсказал, как будет меняться сигнал на основе прошлых замеров) с энергопотреблением в 2000 раз ниже, чем у эталонного программного решения. Это не значит, что любое приложение на таком чипе будет работать в две тысячи раз экономичнее. Эффективность сильно зависит от конкретной задачи, но сам принцип считается одним из самых многообещающих направлений для снижения энергоголода ИИ.

Пока технология существует в виде лабораторного прототипа и до серийного производства и появления в носимой электронике или промышленных контроллерах — годы. Но сам факт, что кто-то сумел сделать «умный» мемристор, способный обучаться на своей истории, уже шаг в сторону от гонки за терафлопсами в сторону разумного энергопотребления.

А как вам кажется, в каких повседневных устройствах такой самообучающийся чип принёс бы больше всего пользы? Стоит ли жертвовать универсальностью современных процессоров ради сверхэкономии на конкретных задачах? Делитесь мнением в комментариях.