AI節能難題露出解決曙光　科學家寄望「類腦運算」

編譯／李寓心

隨著類腦運算發展的加速，人工神經元（Artificial neuron）克服了傳統處理器，數據管理效率低的問題。雖然當前建構一個更強大的人工智慧系統，可能會為人類生活帶來重大的改變，但這些運算密集型的能源需求，卻成為人們擔憂的因素。如今幸運的是，現在研發出可透過「類腦運算」的架構，減少AI碳足跡的問題。

根據報導，人類的大腦包含數十億個神經元，每一個細胞都能連接到數千個其他神經元，並在各個細胞之間產生數萬億個「突觸」（synapse），從而對正在執行的運算進行增強減弱。因此，透過人類大腦的可塑性，在網路結點中進行硬化和軟化，使不同的輸入可觸發不同的輸出。

若嘗試使用晶片重建這些思維模式，以完全發育的人腦來估計耗電量，生物學可使用約20瓦特的能源來實現該目標。例如美國科技龍頭之一的IBM，在2012年進行人體工學的突觸模擬時，需要一台消耗功率最先進的超級計算機，又或者在2016年與韓國職業九段棋士李世乭的對弈比賽，由Google DeepMind開發的電腦圍棋軟體「AlphaGo」，在5場比賽中擊敗圍棋大師，其所需的CPU和GPU是圍棋大師大腦的5萬倍。

但隨著更多GPU的部署，對電力的需求也正在迅速增加當中，部分產業觀察家也注意到，GPU性能的提高，其耗電量也會隨之增高。因此，開發人員使用傳統CPU和GPU設計的方法，來優化數據處理的耗電量，包括幾年前，IBM與其他合作夥伴，推出一個名為「TrueNorth」的神經突觸平台，具有100萬個神經元、2.56億個突觸及4,096個並行和分布式的神經核心，卻僅需消耗70毫瓦的電量。

因此，該系統表現出受大腦啟發的運算設計，可解鎖AI開發方面節能的潛力，同時也展現出其內存優勢，可將運算和儲存設置在同一地點，提高運算效率。如IBM內存運算小組的成員Manuel Le Gallo解釋：「我們不必在邏輯和記憶之間建立聯繫，只需要在不同的神經元之間，建立適當的連接，即可省去在傳統運算中，來回傳輸及讀取數據的時間。」

資料來源：TechHQ

瀏覽 446 次