AI trenger desperat en maskinvarerevolusjon, og løsningen kan være inne i hodet ditt

Yuichiro Chino/Getty Images

Alle tegn ser ut til å vise at vi offisielt har migrert fra internetts æra til AI. Hvis internett definerte en ny verden av transformasjon i hvordan vi skulle konsumere, selge, underholde og videre, er AI nå klar til å etablere enda et stort sprang i vår kollektive menneskelige aktivitet. 

Eksperter sier at AIs lynraske beregninger vil bringe inn enestående nye gevinster i produktivitet og innovasjon for deg og meg som aldri før. 

Også: For synshemmede , har denne AI-roboten som mål å erstatte stokker og førerhunder

Vi vil være i stand til å oppdage kreftsvulster med lynets hastighet, avdekke den genetiske koden bak sykdommer, designe nye medisiner, finne ut karbonfrie energikilder, eliminere slit og hvem vet hva annet.

Bortsett fra, det er noen få ikke-så-mindre fangster.

Den første er Moores lov – postulert av Intels legendariske medgründer Gordon Moore som sa at brikketettheten vil omtrent dobles hver 18. måned – kommer til å treffe en vegg snart hvis den ikke allerede har gjort det. (Det er stadig vanskeligere å krympe en brikke mer enn vi allerede har).
“I løpet av de 15 årene fra 1986 til 2001 økte prosessorytelsen med gjennomsnittlig 52 prosent per år, men innen 2018 hadde dette avtatt til bare 3,5 prosent årlig – en virtuell stillstand,”" sier Klaus Æ. Mogensen i magasinet Farsight.

Det andre problemet er mer alvorlig. Kunstige nevrale nettverk (ANN), som behandler et stort antall datasett fra den virkelige verden (big data) ved å bruke silisiumdatabrikker, er spektakulære slukere av kraft og vann.

Trening av ANN-er på gjeldende maskinvare produserer kolossale mengder varme som krever like store mengder kjøling som rett og slett ikke er kult i en tid med akutt klimakrise.

Også: Øyeblikkelig utvikling: Hvis AI kan designe en robot på 26 sekunder, hva annet kan den gjøre?

I følge nylige estimater vil AI-modeller og brikkene deres til slutt suge opp like mye strøm som regjeringen i Nederland på bare tre år.

Hvis dette ikke er ille nok, truer det en teknisk utfordring der nettverksbehandlingshastigheter vil treffe en vegg på grunn av den fysiske separasjonen av data fra prosessorene, et problem som ofte refereres til som kjent som “von Neumann-flaskehalsen.”

Med andre ord, det AI sårt trenger er en episk AI-maskinvarerevolusjon. Tilfeldigvis har en gruppe forskere kommet opp med nettopp det. 

En no-brainer

Det er en genial løsning som ikke bruker fabrikker eller superdatamaskiner, men de kraftigste organ kjent for alle levende arter — menneskehjernen.

Å smelte sammen den menneskelige hjernen med maskiner — kalt bio-databehandling – kan høres merkelig ut, men det blir en stadig mer populær motgift mot begrensningene til eksisterende teknologi.

Vurder forskjellene mellom de to: Nevrale nettverk får i seg millioner av watt energi om dagen for å fungere. Derimot trenger den menneskelige hjernen bare 20 watt.

Energieffektivitet er bare én fasett av underverkene til den menneskelige hjernen. Det er en annen grunn til at kunstige nevrale nettverk er designet for å ape det.

Dessuten: Denne AI-appen vil snart søke etter type 2-diabetes ved å bruke bare et 6-10 sekunders stemmeklipp

Orgelets overjordiske design er uovertruffen i sin intrikate struktur som lar det gjøre ting som maskiner bare kan drømme om (i simuleringer designet av hjernen, selvfølgelig).

Den rene nettverkskapasiteten til den menneskelige hjernen er vanskelig å forstå – nærmere 100 milliarder nevroner (hver koblet til rundt 10 000 andre) og en kvadrillion synapser (hvor nevroner kobles sammen), alle jobber uavbrutt ved å skyte kjemiske eller elektriske ladninger mot hver andre i samtale- og svarmodus.

Dette utrolige forholdet mellom datahestekrefter og energibruk er noe Feng Guo, en førsteamanuensis i intelligent systemteknikk ved Indiana University Luddy School of Informatics, Computing and Engineering, ønsker å utnytte. (Multitalentet Guo har også mottatt 3,8 millioner dollar i føderale tilskudd til utviklingen av en banebrytende bærbar enhet for å oppdage og behandle en opioidoverdose i sanntid.)

Ved å bygge et hybrid databehandlingssystem som smelter sammen elektronisk maskinvare med “organoider” i menneskelig hjerne; Dr. Guo og andre som ham kappløper for å produsere en helt ny generasjon datamaskiner som lett overgår nåværende maskiner når det gjelder prosesseringshastighet og energibruk.

Også: Ikke diss duene: Hvordan naturen&apos ;s algoritme konkurrerer med AI

Dette er løftet om det nye feltet for biodatabehandling, som går dit ingen maskin har gått før, spesielt i sin evne til å smelte sammen med menneskelige organer for å fremme felt som medisin.

Dr. Guo og kollegene hans bestemte seg for å dyrke en rekke hjernecellekulturer (tidlige og modne nevroner og stamceller i tillegg til andre) og monterte dem på en multielektrode-array, hvoretter de stimulerte den elektrisk.

hjernen er unik ved at elektriske ladninger lar den endre nevrale forbindelser og faktisk lære seg selv – noe som kalles synaptisk plastisitet. 

Dette er hvordan mennesker er i stand til å bruke hjernetreningsteknikker til å avvenne seg fra dårlige vaner, eller konvertere negative tanker til positive, og dermed dramatisk endre ens mentale oppbygning.

Veldig å se hva slags ting deres primitiv organoid kunne være i stand til, testet Guo og kollegene den ved først å konvertere 240 lydklipp av åtte personer som uttaler japanske vokaler til lydsignaler. De ble oversatt av en AI-dekoder og deretter introdusert til organoiden for å gi mening.

Dessuten: 15 store ideer som vil revolusjonere bransjer og økonomier, ledet av AI

Resultatene var oppsiktsvekkende. Organoiden har vellykket dekodet signalene til riktig kategori av vokaler med en nøyaktighetsgrad på 78 % – lavere enn dagens gjennomsnittlige AI-nevrale nettverk, men et som brukte minimale mengder kraft og lite trening.

“Gjennom elektrisk stimuleringstrening var vi i stand til å skille en persons vokaler fra et høyttalerbasseng”," sa Guo. “Med opplæringen utløste vi uovervåket læring av hybride datasystemer.”

Dette var kanskje den viktigste oppdagelsen av organoiden – en demonstrert evne til å lære seg selv mot en høyere nøyaktighetshastighet . Den var til og med i stand til å utføre komplekse, ikke-lineære matematiske ligninger.

Dette kan da bli nøkkelen til fremtidig AI-behandling — evnen til en bio-datamaskin, utstyrt med de smarteste hjernene på jorden, til å behandle, lære og huske ting på ett sted kontra de atskilte prosessor- og minnerommene i dag. s maskiner.

Med ett slag kan organoiden eliminere varme, avslutte Moores lovs begrensninger, lære seg selv uten anstrengelse og få slutt på minneprosessorens bifurkasjon i dag. databehandling.

Grå substans

Det er imidlertid ikke så svart-hvitt, sier eksperter på dette feltet.
Så før vi begynner å høste våre egne hjerneceller internt for å begynne å bygge maskiner på neste nivå, er det verdt å lytte til bekymringer fra forskere som Lena Smirnova, en assisterende professor i folkehelse ved Johns Hopkins University .

Et stort problem rundt nevroetiske bekymringer, med tanke på at det er levende hjerneceller på jobb.

Også: Hvorfor amerikanske småbedrifter vil lede i AI-investeringer i 2024

Smirnova — sammen med kollegene Brian Caffo og Erik C. Johnson — sier også at Guo's Brainoware ennå ikke har vist evnen til å lagre informasjon over lang tid og bruke den til å beregne ting. Å gjøre det, samtidig som hjernecellene holder seg friske, er en stor utfordring i feltet, sier hun.

Med andre ord kan det være best å vente med å sprette champagnen til disse bekymringene er løst.< /p>

Når det er sagt, hyllet forskerne eksperimentet som banebrytende, “sannsynligvis å generere grunnleggende innsikt i mekanismene for læring, nevral utvikling og de kognitive implikasjonene av nevrodegenerative sykdommer.”