आज, आपने शायद एक बड़े भाषा मॉडल से सवाल पूछा, या लिंक्डइन पर एक कनेक्शन सुझाव स्वीकार किया, या यूट्यूब पर एक अनुशंसित वीडियो देखा, या गूगल मैप्स के ट्रैफिक पूर्वानुमान के आधार पर काम पर जाने का अलग रास्ता लिया। दूसरे शब्दों में, आपने शायद कृत्रिम बुद्धिमत्ता का उपयोग किया। लेकिन आप शायद यह नहीं जानते कि उस इंटरैक्शन ने कितनी ऊर्जा खपत की या क्यों।
एआई को भारी मात्रा में डेटा प्रोसेस करने की आवश्यकता होती है, जो आमतौर पर बड़े डेटा सेंटरों में किया जाता है जहां हजारों जीपीयू होते हैं जो प्रति सेकंड खरबों ऑपरेशन निष्पादित करने में सक्षम होते हैं। लेकिन उनमें से प्रत्येक जीपीयू प्रति यूनिट 1,000 वॉट तक की खपत करके ऐसा करता है। तुलना के लिए, यदि आपके पास एक नया स्मार्टफोन है, तो वह शायद 1 वॉट से कम का उपयोग करता है। यह किलोवाट आंकड़ा जीपीयू को वैक्यूम क्लीनर, डिशवॉशर और स्टोव के समान स्तर पर रखता है, लेकिन बड़ा अंतर यह है कि डेटा-सेंटर प्रोसेसर चौबीसों घंटे बिना रुके काम करते हैं।
मूल रूप से, यह अक्षमता इसलिए है क्योंकि जीपीयू सॉफ्टवेयर और अरबों ट्रांजिस्टर का उपयोग करके कृत्रिम तंत्रिका नेटवर्क के कामकाज का अनुकरण करने की कोशिश कर रहे हैं, जिसके लिए भारी मात्रा में डेटा को स्थानांतरित करने के लिए ऊर्जा की आवश्यकता होती है। इसके अलावा, इन नेटवर्कों को बनाने वाले अनुकरणीय कृत्रिम न्यूरॉन्स में जैविक न्यूरॉन्स के जटिल कंप्यूटिंग व्यवहार का एक अंश भी नहीं होता है, जो सबसे ऊर्जा-कुशल कंप्यूटिंग सिस्टम बनाते हैं जिसे हम जानते हैं: मानव मस्तिष्क।
मस्तिष्क उन कई तुलनीय कार्यों में लगभग दस लाख गुना अधिक ऊर्जा कुशल है जो हम एआई के लिए निर्धारित करते हैं। इन दक्षताओं तक पहुंचने का प्रयास करने के लिए, न्यूरोमॉर्फिक इंजीनियरिंग नामक एक मौलिक रूप से अलग कंप्यूटिंग विधि इलेक्ट्रॉनिक घटकों और सर्किटों के निर्माण की कोशिश कर रही है जो मस्तिष्क के न्यूरॉन्स और उन्हें जोड़ने वाले सिनैप्स की तरह अधिक कार्य करते हैं।
इलेक्ट्रॉनिक्स को जैविक न्यूरॉन्स और सिनैप्स की तरह संचालित करने के लिए भारी मात्रा में काम किया गया है। कुछ शोध नए, प्रयोगात्मक उपकरणों को विकसित करने पर केंद्रित रहे हैं, लेकिन वे अभी तक बड़े सिस्टम में उपयोग करने के लिए पर्याप्त विश्वसनीय नहीं हैं। अन्य प्रयासों का उद्देश्य एकल न्यूरॉन और सिनैप्स का अनुकरण करने के लिए कई पूरक धातु-ऑक्साइड-अर्धचालक (सीएमओएस) ट्रांजिस्टर को आपस में जोड़कर न्यूरॉन्स और सिनैप्स को लागू करना है। लेकिन इस दृष्टिकोण के लिए इतने सारे ट्रांजिस्टर (और कुछ भारी कैपेसिटर) की आवश्यकता होती है कि यह निर्मित किए जा सकने वाले सिस्टम के आकार को बहुत सीमित कर देता है, जिससे यह स्पष्ट नहीं होता कि ऐसा मस्तिष्क-प्रेरित हार्डवेयर कभी बड़े पैमाने पर कैसे बढ़ सकता है और अत्याधुनिक जीपीयू के साथ प्रतिस्पर्धा कर सकता है।
लेकिन हर समय एक कृत्रिम न्यूरॉन और एक सिनैप्स था - प्रत्येक एक एकल उपकरण - सादे दृष्टि में छिपा हुआ। हमने उन्हें पिछले साल पाया। वे प्रत्येक एक साधारण सीएमओएस ट्रांजिस्टर द्वारा संभव बनाए गए थे - और वह भी बहुत अच्छा नहीं। यह उनकी आकस्मिक खोज और एआई के पर्यावरणीय पदचिह्न को कम करने के लिए उनकी महान संभावना की कहानी है।
इस खबर के बारे में पूछें
उत्तर केवल इस खबर से AI द्वारा।
यह एआई द्वारा बनाया गया संक्षिप्त सारांश है। पूरी खबर स्रोत पर है।
स्रोत पर पूरी खबर पढ़ेंspectrum.ieee.org