AI ad alta efficienza energetica un nuovo alba con computer neuromorfi

Computer neuromorfi un nuovo alba per l'efficienza energetica dell'IA

Il rapidamente crescente campo dell’intelligenza artificiale (AI) è rinomato per le sue prestazioni ma comporta un notevole costo energetico. Un approccio innovativo, proposto da due eminenti scienziati presso l’Istituto Max Planck per la Scienza della Luce di Erlangen, in Germania, mira ad addestrare l’IA in modo più efficiente, rivoluzionando potenzialmente il modo in cui l’IA elabora i dati.

I modelli attuali di IA consumano immense quantità di energia durante l’addestramento. Sebbene cifre precise siano difficili da ottenere, le stime di Statista suggeriscono che l’addestramento di GPT-3 richieda circa 1000 megawattora – equivalente al consumo annuale di 200 famiglie tedesche di medie dimensioni. Sebbene questo addestramento intensivo dal punto di vista energetico abbia affinato la capacità di GPT-3 di prevedere sequenze di parole, c’è un consenso sul fatto che non abbia compreso i significati intrinseci di tali frasi.

Elaborazione Neuromorfica: Unione tra Cervello e Macchina

Mentre i sistemi di IA convenzionali si basano su reti neurali artificiali digitali artificiali, il futuro potrebbe risiedere nell’elaborazione neuromorfica. Florian Marquardt, direttore presso l’Istituto Max Planck e professore presso l’Università di Erlangen, ha illustrato il difetto dei setup tradizionali di IA.

“Il trasferimento dei dati tra processore e memoria da solo consuma una quantità significativa di energia”, ha sottolineato Marquardt, evidenziando le inefficienze nell’addestramento di ampie reti neurali.

• Anthony Goonetilleke, Presidente del Gruppo, Tecnologia e Capo della Strategia presso Amdocs – Serie di interviste
• Prevenire il pregiudizio dell’IA e gli stereotipi culturali Effetti, Limitazioni e Mitigazione
• Come creare una persona ChatGPT per la strategia aziendale

L’elaborazione neuromorfica trae ispirazione dal cervello umano, elaborando i dati parallelamente anziché sequenzialmente. Essenzialmente, le sinapsi nel cervello funzionano sia come processore che come memoria. Sistemi che mimano tali caratteristiche, come circuiti fotoni utilizzando la luce per i calcoli, sono attualmente oggetto di esplorazione.

Addestramento dell’IA con Macchine Fisiche Autoapprendenti

Lavorando insieme allo studente di dottorato Víctor López-Pastor, Marquardt ha introdotto un innovativo metodo di addestramento per computer neuromorfici. La loro “macchina fisica autoapprendente” ottimizza fondamentalmente i suoi parametri attraverso un processo fisico intrinseco, rendendo superfluo il feedback esterno. “Non richiedere questo feedback rende l’addestramento molto più efficiente”, ha sottolineato Marquardt, suggerendo che questo metodo risparmierebbe sia energia che tempo di calcolo.

Tuttavia, questa tecnica rivoluzionaria ha requisiti specifici. Il processo deve essere reversibile, garantendo una perdita minima di energia, e sufficientemente complesso o non lineare. “Solo i processi non lineari possono eseguire le intricate trasformazioni tra i dati di input e i risultati”, ha dichiarato Marquardt, tracciando una distinzione tra azioni lineari e non lineari.

Verso una Implementazione Pratica

Le basi teoriche del duo si sovrappongono alle applicazioni pratiche. Collaborando con un team sperimentale, stanno sviluppando un computer neuromorfico ottico che elabora informazioni utilizzando onde luminose sovrapposte. Il loro obiettivo è chiaro: realizzare il concetto di macchine fisiche autoapprendenti.

“Speriamo di presentare la prima macchina fisica autoapprendente tra tre anni”, ha proiettato Marquardt, indicando che queste future reti gestirebbero più dati e sarebbero addestrate con insiemi di dati più grandi rispetto ai sistemi contemporanei. Data la crescente domanda di IA e le inefficienze intrinseche dei setup attuali, il passaggio a computer neuromorfici addestrati in modo efficiente sembra sia inevitabile che promettente.

Nelle parole di Marquardt, “Siamo sicuri che le macchine fisiche autoapprendenti abbiano una solida possibilità nell’evoluzione in corso dell’intelligenza artificiale.” La comunità scientifica e gli appassionati di IA aspettano con trepidazione ciò che il futuro riserva.