Замінює складне множення з плаваючою комою додаванням цілих чисел
Зрештою, додавання простіше, ніж множення.
Інженери BitEnergy AI, фірми, що спеціалізується на технології штучного інтелекту, розробили засіб обробки штучного інтелекту, який замінює множення з плаваючою комою (FPM) додаванням цілих чисел.
Новий метод під назвою Множення лінійної складності (L-Mul) наближається до результатів FPM при використанні простішого алгоритму. Але незважаючи на це, він все ще здатний підтримувати високу точність, якою відомий FPM. Як повідомляє TechXplore, цей метод знижує енергоспоживання систем штучного інтелекту, потенційно до 95%, що робить його вирішальною розробкою для нашого майбутнього штучного інтелекту.
Оскільки це новий процес, популярне та легкодоступне обладнання на ринку, як-от майбутні графічні процесори Blackwell від Nvidia, не призначене для роботи з цим алгоритмом. Таким чином, навіть якщо буде підтверджено, що алгоритм BitEnergy AI працює на тому ж рівні, що й FPM, нам все одно потрібні системи, які могли б це впоратися. Це може змусити кілька компаній зі штучним інтелектом зупинитися, особливо після того, як вони щойно інвестували мільйони або навіть мільярди доларів у обладнання ШІ. Тим не менш, значне зниження енергоспоживання на 95%, ймовірно, змусить найбільші технологічні компанії стрибнути з корабля, особливо якщо виробники чіпів зі штучним інтелектом створюватимуть інтегральні схеми для застосування (ASIC), які використовуватимуть переваги алгоритму.
Потужність зараз є основним обмеженням для розробки штучного інтелекту, оскільки всі графічні процесори центрів обробки даних, продані лише минулого року, споживають більше енергії, ніж один мільйон будинків на рік. Навіть Google відклав свою кліматичну ціль на другий план через вимоги штучного інтелекту до потужності: її викиди парникових газів зросли на 48% з 2019 року замість того, щоб скорочуватися з року в рік, як очікувалося. Колишній генеральний директор компанії навіть запропонував відкрити шлюзи для виробництва електроенергії, відмовившись від кліматичних цілей і використавши більш просунутий ШІ для вирішення проблеми глобального потепління.
Але якщо обробка штучного інтелекту може бути більш енергоефективною, то, здається, ми все ще можемо отримати передові технології ШІ, не жертвуючи планетою. Окрім цього, зниження споживання енергії на 95% також зменшить навантаження, яке ці величезні центри обробки даних кладуть на національну мережу, зменшивши потребу будувати більше енергетичних станцій для швидкого живлення нашого майбутнього.
Хоча більшість із нас вражені додатковою потужністю, яку приносять нові мікросхеми ШІ кожного покоління, справжній прогрес приходить лише тоді, коли ці процесори стають потужнішими та ефективнішими. Отже, якщо L-Mul працюватиме так, як рекламується, тоді людство зможе мати свій торт зі штучним інтелектом і теж його з’їсти.