IBM : نمونه اولیه تراشه «شبیه مغز» نوید هوش مصنوعی سبزتر را می دهد

غول فناوری IBM یک تراشه پیشگامانه را معرفی کرده است که برای تقلید از کارایی مغز انسان در عملکرد خود طراحی شده است و به طور بالقوه انقلابی در مصرف انرژی سیستم های هوش مصنوعی (AI) ایجاد می کند. طراحی نوآورانه این تراشه، با الهام از ارتباطات مغزی، با هدف رفع نگرانی‌ها در مورد ردپای انرژی فناوری‌های هوش مصنوعی است.

برخلاف تراشه‌های دیجیتال سنتی که از 0 و 1 باینری برای ذخیره اطلاعات استفاده می‌کنند، این تراشه جدید از ممریستورها استفاده می‌کند که اجزای آنالوگ هستند که قادر به ذخیره طیف وسیعی از مقادیر هستند. این رویکرد روش کار سیناپس‌های انسانی را تقلید می‌کند و بهره‌وری انرژی را برای کاربردهای هوش مصنوعی ارائه می‌دهد. به گفته دانشمند Thanos Vasilopoulos از آزمایشگاه تحقیقاتی IBM در سوئیس، این پیشرفت می تواند منجر به صرفه جویی قابل توجهی در انرژی در زمینه های مختلف از جمله گوشی های هوشمند، خودروها و دوربین ها شود.

واسیلوپولوس تاکید کرد که کارایی تراشه می‌تواند وظایف پیچیده‌تری را برای انجام در محیط‌های دارای محدودیت انرژی تقویت کند. به ویژه ارائه دهندگان ابر می توانند با استفاده از این تراشه ها از کاهش هزینه های انرژی و کاهش ردپای کربن بهره مند شوند.

این فناوری نوآورانه پلی بین پردازش آنالوگ و دیجیتال ایجاد می کند و آن را با سیستم های هوش مصنوعی موجود سازگار می کند. این به ویژه برای دستگاه‌هایی مانند گوشی‌های هوشمند که از تراشه‌های هوش مصنوعی برای بهبود عملکردهایی مانند پردازش تصویر استفاده می‌کنند، مرتبط است.

اگرچه توسعه تراشه‌های مغز مانند نویدبخش آینده فناوری هوش مصنوعی است، کارشناسانی مانند پروفسور فرانته نری هشدار می‌دهند که پیش از پذیرش گسترده، چالش‌هایی در پیش است. این چالش ها شامل هزینه های مواد و پیچیدگی های تولید است. با این حال، نری معتقد است که ظهور تراشه های مغز مانند در افق است و به طور بالقوه انقلابی در زمینه هوش مصنوعی ایجاد می کند.

تراشه آی‌بی‌ام نه تنها می‌تواند به سیستم‌های هوش مصنوعی کارآمد منجر شود، بلکه تأثیر مثبتی بر مصرف انرژی مراکز داده دارد و مصرف برق و آب مورد نیاز برای خنک‌سازی را کاهش می‌دهد. در نهایت، این تراشه‌ها می‌توانند به یک اکوسیستم هوش مصنوعی پایدارتر کمک کنند، اما همانطور که پروفسور جیمز داونپورت خاطرنشان می‌کند، این تراشه‌ها به جای راه‌حلی فوری برای مشکل انرژی، یک گام مهم رو به جلو هستند.