Umělé inteligence se vlamují do každodenního života. O to naléhavější je snaha o vyladění jejich provozu. Není tajemstvím, že obdivuhodné výkony inteligencí i jejich nezbytný trénink je nutné splácet ohromnou výpočetní silou a neméně enormní spotřebou energie. Odborníci proto vyvíjejí nová hardwarová řešení, díky nimž by bylo možné velkoryse provozovat umělé inteligence a zároveň neuvařit planetu.
Některá z těchto řešení pro provoz inteligencí jsou založená na memristorech, elektronických prvcích, které při použití v pamětích mohou ukládat informaci, aniž by k tomu potřebovaly energii. Odborník na biologicky inspirovanou nanoelektroniku Damien Querlioz z Université Paris-Saclay a jeho kolegové nedávno vytvořili „Bayesovský stroj“ (Bayesian machine), který provozuje umělé inteligence s využitím Bayesovy věty z teorie pravděpodobnosti. Tento systém je založený na memristorech a je podstatně efektivnější v hospodaření s energií než soudobé hardwarové systémy používané pro umělé inteligence.
Jak říká Querlioz, dnešní extrémní spotřeba energie při provozu umělých inteligencí do značné míry plyne z toho, že jsou v počítačích výpočty fyzicky oddělené od pamětí. Umělé inteligence využívají ohromné objemy dat, což velmi zatěžuje využití paměti. Náš mozek je příkladem počítače, v němž jsou výpočty velmi těsně integrovány s pamětí. Querliozův tým se snažil tento biologický přístup napodobit.
Memristory vlastně vykonávají jak výpočty, tak i operace s pamětí, takže mohou napodobovat činnost mozku lépe než konvenční elektronika. Podle Querlioze byly memristory donedávna zcela čerstvou technologií a bylo nejprve nutné je sestavit do komplexních elektronických systémů. Vývoj ale pokročil a Querliozův tým mohl postavit prototyp malého Bayesovského strojku. Tvoří jej 2 048 memristorů z oxidu hafnia a 30 080 křemíkových tranzistorů řízených elektrickým polem (MOSFET).
Badatelé svůj Bayesovský strojek prověřili v experimentech s rozeznáváním gest. Ukázalo se, že Bayesovský strojek rozeznává konkrétní lidská gesta s využitím několika tisícinásobně méně energie, než kolik potřebuje tradiční hardwarové řešení pro rozeznávání gest. Vědci použili Bayesovský přístup jako alternativu k dnes často využívanému deep learningu. Zaostává sice při práci s masivními objemy dat, ale naopak exceluje v aplikacích s malými objemy dat.
##seznam_reklama##
Querlioz a jeho kolegové v současnosti staví podstatně větší verzi Bayesovského stroje. V budoucnu by se podobné Bayseovské technologie mohly uplatnit například v rozmanitých senzorech, jako jsou medicinské aplikace anebo bezpečnostní senzory v průmyslových provozech. Jejich možnosti jsou ale podle všeho mnohem širší.
Video: Memory-Centric Artificial Intelligence, Damien Querlioz
Literatura