省エネAI：ニューロモーフィックコンピュータとの新しい夜明け

「省エネAI：ニューロモーフィックコンピュータとの新たな未明」

人工知能（AI）の急速に成長している領域は、そのパフォーマンスで知られていますが、かなりのエネルギーコストがかかります。ドイツのエアランゲンにあるマックス・プランク光学研究所の2人の先導的な科学者によって提案された新しいアプローチは、より効率的にAIをトレーニングし、AIがデータを処理する方法を革新する可能性があります。

現在のAIモデルは、トレーニング中に膨大なエネルギーを消費します。正確な数字は明らかではありませんが、Statistaによる推定では、GPT-3のトレーニングには約1000メガワット時の消費が必要であり、これは200の大きなドイツの家庭の年間消費量に相当します。このエネルギー集約型のトレーニングは、GPT-3が単語の連続を予測することを磨く一方で、そのようなフレーズの本質的な意味を理解していないという共通の認識もあります。

ニューロモーフィックコンピューティング：脳と機械の融合

従来のAIシステムは、デジタルの人工ニューラルネットワークに依存していますが、将来はニューロモーフィックコンピューティングが重要になる可能性があります。マックス・プランク研究所の所長で、エアランゲン大学の教授であるフロリアン・マルカルトは、従来のAI設置の欠点を詳しく説明しました。

「プロセッサとメモリの間のデータ転送だけでもかなりの量のエネルギーを消費します」とマルカルトは述べ、広大なニューラルネットワークをトレーニングする際の非効率性を指摘しました。

• 適切なウェブサイト最適化でコンピューターサイエンスプログラムのランキングを付ける方法
• 言葉の解明：AIによる詩と文学の進化’ (Kotoba no kaimei AI ni yoru shi to bungaku no shinka)
• 「レート制限について知るべきこと」

ニューロモーフィックコンピューティングは、順次ではなく並列にデータを処理するため、人間の脳からインスピレーションを受けています。実質的には、脳内のシナプスはプロセッサとメモリの両方として機能します。光を使用して計算する光学回路など、これらの特性を模倣したシステムが現在探求されています。

自己学習物理マシンを用いたAIのトレーニング

フロリアン・マルカルトは、博士課程の学生ヴィクトール・ロペス＝パストールと共に、ニューロモーフィックコンピュータのための革新的なトレーニング方法を紹介しました。彼らの「自己学習物理マシン」は、外部のフィードバックを不要として、内在的な物理プロセスによってそのパラメータを最適化します。マルカルトは、「このフィードバックが不要なため、トレーニングがはるかに効率的になります」と強調し、この方法はエネルギーと計算時間の両方を節約すると述べました。

ただし、この画期的な技術には特定の要件があります。プロセスは逆転可能であり、最小限のエネルギー損失を保証し、十分に複雑または非線形である必要があります。「線形的なプロセスだけでは、入力データと結果の間の複雑な変換は実行できません」とマルカルトは述べ、線形と非線形のアクションの違いを明確にしました。

実用化への進展

この二人の学者の理論的な基盤は実用的な応用と一致しています。彼らは実験チームと協力し、情報を超過した光波を使用して情報を処理する光学ニューロモーフィックコンピュータを進化させています。彼らの目標は明確です：自己学習物理マシンの概念を実現することです。

「私たちは、3年後に最初の自己学習物理マシンを発表することを期待しています」とマルカルトは予測し、これらの将来のネットワークは、現代のシステムよりも多くのデータを処理し、より大きなデータセットでトレーニングされるでしょうと指摘しました。AIの需要が高まる中、および現在の設置の固有の非効率性を考えると、効率的にトレーニングされたニューロモーフィックコンピュータにシフトすることは、避けられず有望です。

マルカルトの言葉によれば、「私たちは自己学習物理マシンが人工知能の進化において確固たる可能性を持っていると確信しています」とのことです。科学コミュニティやAI愛好家は、将来が待ち遠しく注目しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!