Современные модели ИИ, такие как ChatGPT, работают на огромных массивах ускорителей — по сути, графических процессорах с огромным количеством видеопамяти и без видеовыхода. Это очень дорогое оборудование (вам повезет, если вы найдете хотя бы один Nvidia H100 за $30 000), а электроэнергия, необходимая для поддержания его работы, требует значительных постоянных затрат.
Ученые из Университета Сиднея и Калифорнийского университета создали сети из серебряных нанопроволок, каждая прядь которых составляет примерно одну тысячную ширины человеческого волоса. Провода расположены случайным образом, образуя сеть, в которой нити пересекаются и взаимодействуют, как синапсы в мозге. Это один из видов нейроморфных вычислений, где провода ведут себя как физическая нейронная сеть (то есть аппаратная, а не программная).
Тысячи пересечений между нанопроводами изменяют сигналы в ответ на электрические импульсы — и эта реакция происходит в реальном времени. Иными словами, нанопроволочные сети вполне подходят для машинного обучения, во время которого нет необходимости объединять данные в большие пакеты (вот почему ИИ-ускорители имеют десятки гигабайт оперативной памяти — подача данных в виде непрерывного потока более эффективна). Следовательно, можно добиться колоссальной экономии. Система вполне работоспособна: во время тестирования удалось преобразовать набор рукописных данных в электрические сигналы и передать их в аппаратную сеть, которая научилась распознавать написанные от руки числа. Также протестировали задачи по запоминанию чисел — модель смогла сделать и это.
Ученые из Университета Сиднея и Калифорнийского университета создали сети из серебряных нанопроволок, каждая прядь которых составляет примерно одну тысячную ширины человеческого волоса. Провода расположены случайным образом, образуя сеть, в которой нити пересекаются и взаимодействуют, как синапсы в мозге. Это один из видов нейроморфных вычислений, где провода ведут себя как физическая нейронная сеть (то есть аппаратная, а не программная).
Тысячи пересечений между нанопроводами изменяют сигналы в ответ на электрические импульсы — и эта реакция происходит в реальном времени. Иными словами, нанопроволочные сети вполне подходят для машинного обучения, во время которого нет необходимости объединять данные в большие пакеты (вот почему ИИ-ускорители имеют десятки гигабайт оперативной памяти — подача данных в виде непрерывного потока более эффективна). Следовательно, можно добиться колоссальной экономии. Система вполне работоспособна: во время тестирования удалось преобразовать набор рукописных данных в электрические сигналы и передать их в аппаратную сеть, которая научилась распознавать написанные от руки числа. Также протестировали задачи по запоминанию чисел — модель смогла сделать и это.
Источник: https://t.me/futurecap/6046
Источник изображения: https://t.me/futurecap/6046
Источник изображения: https://t.me/futurecap/6046
#ОбразованиеПресс
#НовостиОбразования
#Исследования
#Наука
#ИскусственныйИнтеллект
#ИИ
#ИскусственныйМозг
#ChatGPT
#НовостиОбразования
#Исследования
#Наука
#ИскусственныйИнтеллект
#ИИ
#ИскусственныйМозг
#ChatGPT
