أزمة الطاقة في قلب AI
النمو المتفجر للذكاء الاصطناعي خلق مشكلة استهلاك الطاقة التي يصعب تجاهلها بشكل متزايد. يتطلب تدريب نماذج اللغة الكبيرة موارد حسابية ضخمة، لكن التحدي الأكثر انتشارًا هو الاستدلال — تشغيل نماذج AI في الإنتاج للإجابة على الاستفسارات أو تحليل الصور أو معالجة بيانات المستشعرات — والذي يستهلك على نطاق واسع طاقة إجمالية أكثر من التدريب. يواجه مشغلو مراكز البيانات وصناع الأجهزة ضغطًا متزايدًا للعثور على معماريات الحوسبة التي يمكنها توفير أداء AI بجزء صغير من تكلفة الطاقة الحالية.
نشر فريق من العلماء نتائج توضح أن شريحة نيورومورفية — مصممة لمحاكاة معالجة المعلومات المستندة إلى الارتفاعات والموجهة بالأحداث في الدوائر العصبية البيولوجية — يمكنها تنفيذ أحمال عمل استدلال AI باستهلاك طاقة أقل بـ 70% من وحدات معالجة الرسومات التقليدية أو معجلات AI الخاصة بالتطبيقات. تقدم النتيجة الحوسبة النيورومورفية من اقتراح نظري إلى حد كبير إلى قدرة هندسية معروضة ذات صلة مباشرة بنشر أجهزة AI.
كيف تختلف الحوسبة النيورومورفية
تعالج الحوسبة التقليدية المعلومات بنقل كتل كبيرة من البيانات بين الذاكرة ووحدات المعالجة، وتنفيذ عمليات المصفوفة الكثيفة التي تتطلب كل من عرض النطاق الترددي العالي وتوصيل الطاقة المستمر. هذا النهج فعال للحسابات الموازية بدرجة عالية والمتزامنة التي تتضمنها استدلال الشبكة العصبية، لكنه يحمل تكاليف طاقة متأصلة من حركة البيانات وتوزيع الساعة والحاجة إلى الحفاظ على الحالة النشطة في عناصر الدائرة التي لا تساهم حاليًا في الحساب.
تتعامل الدوائس العصبية البيولوجية مع المعلومات بطريقة مختلفة جدًا. تكون الخلايا العصبية صامتة في الغالب، وتطلق فقط عندما تتجاوز الإشارة حدًا معينًا، والحساب موزع عبر الشبكة بدلاً من أن يكون مركزًا في وحدات المعالجة المركزية. يحقق الدماغ أداءً إدراكيًا ملحوظًا بحوالي 20 وات من الطاقة المستمرة — مقياس لا يمكن لأجهزة AI الحالية الاقتراب منه عند تنفيذ مهام مماثلة.
تحاول شرائح النيورومورف التقاط كفاءة الطاقة لهذه المعمارية القائمة على الارتفاعات والموجهة بالأحداث في السيليكون. بدلاً من الحساب ذي الساعة المستمرة، تطلق معالجات النيورومورف عندما وحيث تتجاوز المدخلات حدودًا، وتستهلك الطاقة فقط للمعالجة النشطة بدلاً من البقاء في وضع السكون بقوة كاملة بين خطوات الحساب.
مكسب الكفاءة بنسبة 70%
حقق فريق البحث تقليل الطاقة بنسبة 70% عبر عدة مهام معيارية AI قياسية تشمل تصنيف الصور واستدلال اللغة الطبيعية وتجميع المستشعرات — نوع عمليات AI التي تعمل مليارات المرات يوميًا في الأجهزة الطرفية ومزارع الخوادم والتطبيقات المحمولة. كانت الميزة في الطاقة أكثر وضوحًا بالنسبة للمدخلات المتفرقة والموجهة بالأحداث — بيانات المستشعرات وتدفقات الصوت وأنماط الاستعلام المتقطعة — حيث تتمتع قدرة شريحة النيورومورف على البقاء في وضع السكون بين الأحداث بميزة هيكلية على المعالجات التي يجب أن تحافظ على نشاط الساعة بغض النظر عن معدل الإدخال.
تم تصنيع الشريحة باستخدام عملية شبه موصل معدلة قياسية، وهذا يشكل تمييزًا عمليًا حاسمًا عن منصات بحث النيورومورف السابقة التي تطلبت التصنيع الغريب. يعني استخدام البنية التحتية لأجهزة الكمبيوتر شبه الموصلات التقليدية أن التكنولوجيا قد يتم توسيع نطاقها من خلال مصانع الرقائق الموجودة بدلاً من تطلب استثمار التصنيع المخصص.
التطبيقات والقيود
تستهدف الأهداف التطبيقية الأكثر مباشرة سيناريوهات AI الطرفية: عُقد المستشعرات في IoT الصناعي، والسماعات والغرسات الطبية، والكشف عن الكلمات الرئيسية المستمر دائمًا في الإلكترونيات الاستهلاكية، وأنظمة إدراك المركبات المستقلة حيث تحد قيود عمر البطارية أو الحرارة من ميزانية الطاقة المتاحة لاستدلال AI. تتشارك هذه التطبيقات في الخاصية التي تعمل الاستدلال عليها بشكل مستمر أو بتردد عالٍ على بيانات المستشعرات المتفرقة والحقيقية — بالضبط النظام الذي تكون فيه مزايا كفاءة النيورومورف الأكبر.
بالنسبة لأحمال عمل AI بمركز البيانات — خاصة استدلال نموذج اللغة الكبيرة حيث تكون الاستعلامات كثيفة ومعالجة الدفعات شائعة — فإن مزايا الطاقة أقل دراماتيكية. يبقى عمل نظام البرامج الهام قبل أن تتمكن معالجات النيورومورف من تشغيل النطاق الكامل لأطر عمل AI والنماذج التي تعمل على GPU التقليدية، وهو ما يمثل الحاجز العملي الأساسي للاعتماد الواسع.
الشريحة التنافسية
تمتلك عدة شركات تكنولوجيا رئيسية ومؤسسات بحثية برامج نيورومورف نشطة. أثبت شريحة Intel من Loihi مزايا الكفاءة في الطاقة في مهام محددة، وتم استخدام TrueNorth من IBM لتطبيقات البحث لأكثر من عقد من الزمان. طورت الشركات الناشئة بما في ذلك Innatera و SpiNNcloud و BrainChip منتجات نيورومورف تجارية تستهدف التطبيقات الطرفية. ستولد رقم تقليل الطاقة بنسبة 70% اهتمامًا كبيرًا من مشغلي مراكز البيانات بفرط الحجم الذين يسعون بنشاط إلى أي تكنولوجيا يمكنها تقليل الفواتير الكهربائية الفلكية المرتبطة بالبنية التحتية AI — تكلفة أصبحت مصدر قلق استراتيجي مركزي لكل شركة تكنولوجيا رئيسية تعمل AI على نطاق واسع.
تستند هذه المقالة إلى تقارير من Interesting Engineering. اقرأ المقالة الأصلية.
