Laboratuvar Hatası Bilgisayar Dünyasını Değiştirebilir

Bugün muhtemelen bir büyük dil modeline soru sordunuz, LinkedIn'de bir bağlantı önerisini kabul ettiniz, YouTube'da önerilen bir videoyu izlediniz veya Google Haritalar'dan bir trafik tahminine dayanarak işe farklı bir yoldan gittiniz. Başka bir deyişle, muhtemelen yapay zeka kullandınız. Ancak bu etkileşimin ne kadar enerji tükettiğini veya nedenini bilmiyor olabilirsiniz.

Yapay zeka, saniyede trilyonlarca işlem gerçekleştirebilen binlerce GPU barındıran büyük veri merkezlerinde işlenen devasa miktarda veri gerektirir. Ancak bu GPU'ların her biri, bunu başarmak için adet başına 1000 watt'a kadar enerji tüketir. Karşılaştırma yapmak gerekirse, yeni bir akıllı telefonunuz varsa muhtemelen 1 watt'tan az kullanır. Bu kilovat değeri, GPU'ları elektrikli süpürgeler, bulaşık makineleri ve ocaklarla aynı seviyeye getiriyor, ancak büyük fark, veri merkezi işlemcilerinin kesintisiz olarak 7/24 çalışmasıdır.

Temelde, bu verimsizliğin büyük bir kısmı, GPU'ların yapay sinir ağlarının çalışmasını yazılım ve milyarlarca transistör kullanarak simüle etmeye çalışmasından kaynaklanır; bu da büyük miktarda veriyi taşımak için enerji gerektirir. Dahası, bu ağları oluşturan simüle edilmiş yapay nöronlar, bildiğimiz en enerji verimli bilgi işlem sistemi olan insan beynini oluşturan biyolojik nöronların karmaşık hesaplama davranışının bir kısmına bile sahip değildir.

Beyin, yapay zeka için belirlediğimiz birçok benzer görevde kabaca bir milyon kat daha enerji verimlidir. Bu verimliliklere yaklaşmak için, nöromorfik mühendislik adı verilen kökten farklı bir bilgi işlem yöntemi, beynin nöronları ve onları bağlayan sinapslar gibi davranan elektronik bileşenler ve devreler oluşturmayı hedefliyor.

Elektroniğin biyolojik nöronlar ve sinapslar gibi çalışması için büyük miktarda çalışma yapıldı. Bazı araştırmalar yeni, deneysel cihazlar geliştirmeye odaklandı, ancak bunlar henüz büyük sistemlerde kullanılabilecek kadar güvenilir değil. Diğer çabalar, tek bir nöron ve sinapsı simüle etmek için birçok CMOS transistörünü birbirine bağlayarak nöronlar ve sinapslar uygulamayı amaçlıyor. Ancak bu yaklaşım o kadar çok transistör (ve birkaç hantal kapasitör) gerektiriyor ki, inşa edilebilecek sistemin boyutunu büyük ölçüde sınırlıyor ve bu tür beyin benzeri donanımların nasıl ölçeklenebileceği ve son teknoloji GPU'larla rekabet edebileceği belirsiz hale geliyor.

Ancak tüm bu süre boyunca, her biri tek bir cihaz olan bir yapay nöron ve bir sinaps göz önünde saklanıyordu. Onları geçen yıl bulduk. Her biri sıradan bir CMOS transistörü sayesinde mümkün oldu - hem de çok iyi bir transistör bile değil. Bu, onların tesadüfi keşiflerinin ve yapay zekanın çevresel ayak izini azaltma konusundaki büyük vaadinin hikayesidir.