Egy új hardver csökkentheti a jövő mesterségesintelligencia-rendszereinek betanításához szükséges energiamennyiséget – írja a Spring Wise.
A mesterséges intelligencia már most is egyre nagyobb teret hódít mindennapi életünkben a virtuális asszisztensek, a képfelismerés és a pénzügyi csalások detektálásának köszönhetően. Azonban még a legjobb AI-hardverek is messze vannak attól az energiahatékony, alacsony késleltetésű és nagy átviteli teljesítményű feldolgozástól, amelyre az emberi agy képes.
2018-ban a Manchesteri Egyetem Advanced Processor Technologies Research Group kutatói kifejlesztették a SpiNNakert (spiking neural network architecture) – egy olyan szuperszámítógépet, amely a biológiai neuronok kölcsönhatásait utánozza. A SpiNNakert egy 10 éves kutatás, a Human Brain Project (HBP) egyik részeként használják, aminek a célja egy ICT-alapú kutatási infrastruktúra létrehozása az agykutatás, a kognitív idegtudomány és az agy által inspirált számítástechnika számára.
2019-ben a Drezdai Műszaki Egyetem a Manchesteri Egyetemmel együttműködésben fejlesztette ki a számítógép második verzióját. Ebből a projektből született meg a SpiNNcloud, amelynek egyedülálló számítógépes hardverét olyan alkalmazásokban használják, mint a robotika és az előrejelzés.
A SpiNNcloud bejelentette, hogy 2,5 millió eurós támogatást kapott az Európai Innovációs Tanácstól (EIC) legújabb projektjére, a SpiNNode: SpiNNaker2-re.
A mesterségesintelligencia-modellek fejlesztésével és széles körű elterjedésével egyre sürgetőbbé vált az energiahatékony hardverek iránti igény. Christian Eichhorn, a SpiNNcloud Systems társ-vezérigazgatója kifejtette: „Az olyan mesterséges intelligencia, mint például a Chat GPT mostanra már a mindennapi életünk részesévé vált, és ez az internet forradalmához hasonló eseményt jelent. Ennek az AI-modellnek a kiképzése annyi áramot fogyaszt, mint amennyit 3000 háztartás használ el egy hónap alatt. Azon dolgozunk, hogy energiahatékonyabb hardvert hozzunk létre, mivel ez kulcsfontosságú lesz az AI szén-dioxid-kibocsátásának jelentős csökkentéséhez.”
Némethi Botond, Okosipar.hu