Tekoälyn tulevaisuus riippuu laitteistoinnovaatioista

imec tutkimuslaitoksen keväällä julkaisema visio tekoälyn tulevaisuudesta.

Tekoälyala kehittyy huimaa vauhtia, ja merkittäviä malleja ja päivityksiä julkaistaan lähes joka kuukausi. Mutta agenttisen ja fyysisen tekoälyn suuntaan siirtyessä laitteistolla on vaikeuksia käsitellä monimuotoisia työkuormia tehokkaasti ja kestävästi. Dedikoidun tekoälylaitteiston kehittäminen vie kuitenkin huomattavasti enemmän aikaa kuin algoritmien kirjoittaminen.

Jotta pullonkaulat eivät hidasta seuraavan sukupolven tekoälyä, meidän on keksittävä uudelleen tapamme tehdä laitteistoinnovaatioita.

Seuraavan sukupolven tekoäly, seuraavan sukupolven haasteet

Pelkkä raaka laskentatehon ja datan lisääminen on tehnyt erinomaista työtä laajojen kielimallien parissa. Lisäämällä enemmän näytönohjaimia, dataa ja koulutusaikaa, ja voilà: malli x.0 oli syntynyt.

Mutta kun siirrymme generatiivisesta tekoälystä kohti päättelymalleja, työkuormista tulee yhä heterogeenisempiä. Agenttinen tekoäly, joka keskittyy päätöksentekoon ja on erittäin merkityksellinen lääketieteellisissä sovelluksissa, ja fyysinen tekoäly, joka keskittyy korostamaan suoritusta ja vuorovaikutusta fyysisen maailman kanssa robotiikassa ja autonomisissa autoissa, vaativat lukemattomia erilaisia malleja.

Jokaisella mallilla on tietty tarkoitus ja se on vuorovaikutuksessa muiden kanssa muodostaen tekoälyjärjestelmän, joka voi yhdistää laajoja kielimalleja, havaintomalleja ja toimintamalleja. Jotkut mallit vaativat suorittimia, jotkut näytönohjaimia, ja toisilta puuttuu tällä hetkellä oikeat prosessorit. Tämä havainto sai NVIDIAn Jensen Huangin toteamaan, että lopulta tarvitsisimme kolmen tietokoneen ratkaisun.

On selvää, että klassinen yhden koon ratkaisu, joka vain lisää laskentatehoa, ei riitä käsittelemään lukuisten työkuormien ketjua. Tekoälystä on jo tullut merkittävä energiankuluttaja, suuruudeltaan verrattavissa Japaniin, ja resurssien kysynnän odotetaan kasvavan seuraavan sukupolven tekoälyn myötä.

Ongelman ydin on se, että tekoäly toimii usein epäoptimaalisella laskenta-arkkitehtuurilla, joka koostuu algoritmien tarvitseman työmäärän kannalta epäoptimaalisista laitteistokomponenteista.

Uusien, haastavien työkuormien lisääminen lisää tekoälyyn liittyvää energiankulutusta eksponentiaalisesti. Asian tekee vielä haastavammaksi se, että tekoälytyömäärät voivat muuttua yhdessä yössä uuden algoritmin johdosta.

Muistatko kiinalaisen startup-yrityksen Deepseekin tarinan, joka lähetti massiivisen shokkiaallon koko toimialalle ja jonka muut laboratoriot toistivat alle kahdessa viikossa? Algoritmit todellakin liikkuvat nopeasti. Mutta laitteisto-ongelmat ovat aikaa vieviä, ja pientenkin parannusten saavuttaminen vie useita vuosia, samalla kun tuotannosta on tulossa yhä monimutkaisempaa ja siten kalliimpaa.

Toisin sanoen teknologiateollisuus painii synkronointiongelman kanssa.

Erilaisen laskentapiirin kehittäminen kullekin mallille, kuten nykyään teemme generatiiviselle tekoälylle, ei pysty pysymään mallien ennennäkemättömän innovaatiovauhdin perässä.

Lisäksi taloustieteen lait eivät ole laitteiston eduksi: on olemassa valtava riski hukkainvestoinneille, koska siihen mennessä, kun tekoälylaitteisto on lopulta valmis, nopeasti kehittyvä tekoälyohjelmistoyhteisö on saattanut ottaa toisenlaisen käänteen.

Yksi tapa, jolla tekoäly-yritykset voivat nopeuttaa tekoälylaitteiston kehitysaikaa, on tehdä se itse: OpenAI alkaa kehittää omia räätälöityjä tekoälysirujaan TSMC:n kanssa. Tämä on kuitenkin edelleen kallis ja riskialtis hanke, erityisesti yrityksille, jotka voivat panostaa pienempään panostukseen ja rahaan.

Joustavuus on avainasemassa

Seuraavan vaatimuksen tai pullonkaulan ennustaminen nopeasti kehittyvässä tekoälyn maailmassa on erityisen vaikeaa. Yksi asia, jonka tiedämme varmasti, on se, että pitkällä aikavälillä joustavuus on avainasemassa. Piirakenteisesta laitteistosta tulisi lähes yhtä "koodattavaa" kuin ohjelmistosta. Samojen laitteistokomponenttien tulisi olla uudelleenkonfiguroitavissa, mikä tarkoittaisi, että algoritmisarjan suorittamiseen tarvittaisiin vain yksi tietokone kolmen sijaan. Itse asiassa ohjelmiston tulisi määritellä pii, mikä on hyvin erilainen lähestymistapa nykyiseen laitteistoinnovaatioon, joka on melko jäykkä prosessi.

Kuvittele: yhden monoliittisen, huippuluokan ja superkalliin prosessorin sijaan saavasi erilaisia coworking-supersoluja, jotka koostuvat pinotuista puolijohdekerroksista, joista jokainen on optimoitu tiettyjä toimintoja varten ja integroitu 3D-muotoon, jotta muisti voidaan sijoittaa lähelle logiikkasuoritinyksikköä, mikä rajoittaa dataliikenteen energiahäviöitä.

Verkko-on-chip-järjestelmä ohjaa ja konfiguroi näitä supersoluja uudelleen, jotta ne voidaan nopeasti mukauttaa uusimpiin algoritmivaatimuksiin yhdistämällä älykkäästi eri monipuoliset rakennuspalikat. Jakamalla vaatimukset eri siruille monoliittisen sirun suunnittelun sijaan voit yhdistää laitteistoa eri toimittajilta.

Tällä tavoin uudet, tekoälytyökuormiin paremmin soveltuvat muistiteknologiat ovat mahdollisia. Esimerkiksi Imecin spin-off-tuote Vertical Compute integroi pystysuorat datakaistat suoraan laskentayksiköiden päälle, mikä lyhentää merkittävästi datan kulkumatkaa senttimetreistä nanometreihin.

Tämä lähestymistapa minimoi datan liikkumisen, mikä johtaa jopa 80 prosentin energiansäästöihin. Se on yksi monista tavoista, joilla laitteistoinnovaatiot mahdollistavat seuraavan sukupolven tekoälyn.

Tämän uudelleenkonfiguroitavan lähestymistavan ansiosta useammilla yrityksillä on mahdollisuus suunnitella omaa laitteistoaan tiettyjä tekoälytyökuormia varten. Se lisää luovuutta markkinoilla, avaa mahdollisuuksia erilaistumiseen ja tekee laitteistoinnovaatioista jälleen kohtuuhintaisia. Sopimalla yleisesti hyväksytystä standardista, kuten RISC-V:stä, ohjelmisto- ja laitteistoyritykset synkronoituvat ja takaavat sekä yhteensopivuuden että suorituskyvyn.

Eurooppalaisen NanoIC-projektin imec-pilottilinja on eurooppalainen vastaus tekoälyn aiheuttamaan monimutkaisuuteen ja vahvistaa entisestään Euroopan johtoasemaa tutkimuksessa kuromalla umpeen kuilua laboratoriosta tehtaaseen.

Samalla pilottilinja edistää eurooppalaista teollisuusekosysteemiä, johon kuuluu startup-yrityksiä, tekoäly-yrityksiä, sirusuunnittelijoita, valmistajia ja muita edistyneimmän teknologian ympärillä toimivia toimijoita.

Tekoälyn tulevaisuus riippuu laitteistoinnovaatioista. Ja ottaen huomioon tekoälyn valtavan vaikutuksen kaikkiin yhteiskunnan osa-alueisiin, aina in silico -lääkesuunnittelusta robotiikan ja autonomisen ajamisen anturifuusioon, ei luultavasti ole liioiteltua sanoa, että koko tulevaisuutemme riippuu siitä.

Aiheesta aiemmin:

Suurpanostus tekoälypiirien valmistukseen