آیا هوش مصنوعی میتواند کم‌ مصرف شود؟ الهام از مغز انسان، یک میلیارد وات در مقابل 20 وات

هوش مصنوعی (AI) با توانایی‌ های شگفت‌ انگیز خود در پردازش اطلاعات، حل مسائل پیچیده و حتی خلق آثار هنری، جهان ما را دگرگون کرده است. مدل‌ های زبانی بزرگ مانند ChatGPT و ابزارهای تولید تصویر، بخشی از زندگی روزمره و حرفه‌ ای بسیاری از ما شده‌اند. اما این قدرت عظیم، هزینه‌ ای گزاف دارد: مصرف انرژی سرسام‌ آور!

 

مراکز داده‌ عظیمی که میزبان این مدل‌ های هوش مصنوعی هستند، مقادیر نجومی برق مصرف می‌کنند – گاهی در حد گیگاوات! در مقابل، مغز انسان، این ابرکامپیوتر شگفت‌ انگیز طبیعی که پیچیده‌ ترین محاسبات و خلاقانه‌ ترین ایده‌ ها را پردازش میکند، تنها با حدود 20 وات انرژی کار میکند! این تفاوت فاحش، زنگ خطری جدی برای پایداری پیشرفت هوش مصنوعی به صدا درآورده است.

 

اما دانشمندان و مهندسان بیکار ننشسته‌ اند. آنها با الهام از کارآمدترین کامپیوتر جهان، یعنی مغز انسان، در حال توسعه‌ نسل جدیدی از هوش مصنوعی هستند که می‌تواند با مصرف انرژی بسیار کمتر، کارهای بزرگی انجام دهد. رویکردی نوین به نام "Super-Turing AI" که توسط تیمی از محققان، از جمله مهندسانی از دانشگاه A&M تگزاس، توسعه یافته، نویدبخش انقلابی در این زمینه است.

در این مقاله جامع از های ورت (hiwert.com)، به طور کامل به بررسی این چالش بزرگ انرژی در هوش مصنوعی و راهکار الهام‌گرفته از طبیعت می‌پردازیم. خواهیم دید که Super-Turing AI چیست، چگونه با تقلید از مغز انسان، مصرف انرژی را به شدت کاهش می‌دهد و چه آینده‌ای را برای هوش مصنوعی پایدار رقم خواهد زد. پس با ما همراه باشید!

 

 

بحران انرژی در هوش مصنوعی: آیا پیشرفت AI پایدار است؟

 

مدل‌های هوش مصنوعی امروزی، به ویژه مدل‌های زبانی بزرگ (LLMs) مانند ChatGPT و امثال آن، برای آموزش و اجرا نیازمند قدرت محاسباتی غیرقابل تصوری هستند. این قدرت توسط هزاران پردازنده‌ی گرافیکی (GPU) پیشرفته تأمین می‌شود که در مراکز داده (Data Centers) عظیم و گسترده‌ای مستقر شده‌اند.

 

مشکل اینجاست که این مراکز داده، به معنای واقعی کلمه، بلعنده انرژی هستند. دکتر سوین یی (Dr. Suin Yi)، استادیار مهندسی برق و کامپیوتر در دانشگاه A&M تگزاس و یکی از محققان اصلی پروژه‌ی Super-Turing AI، این مقایسه تکان‌دهنده را ارائه می‌دهد: "این مراکز داده، انرژی را در مقیاس گیگاوات مصرف می‌کنند، در حالی که مغز ما تنها 20 وات مصرف می‌کند." (منبع: ScienceDaily به نقل از تحقیقات دانشگاه A&M تگزاس)

 

یک گیگاوات معادل یک میلیارد وات است! این تفاوت عظیم، نشان‌ دهنده‌ ناپایداری مدل محاسباتی فعلی هوش مصنوعی است. دکتر یی تأکید میکند: "مراکز داده‌ ای که این حجم انرژی را مصرف می‌کنند، با روش‌ های محاسباتی کنونی پایدار نیستند. بنابراین، در حالی که توانایی‌های هوش مصنوعی قابل توجه است، سخت‌افزار و تولید انرژی لازم برای حفظ آن هنوز مورد نیاز است."

این نیاز شدید به انرژی، نه تنها هزینه‌ های عملیاتی سرسام‌ آوری را به شرکت‌ های توسعه‌ دهنده‌ی AI تحمیل می‌کند، بلکه نگرانی‌ های جدی زیست‌ محیطی را نیز به همراه دارد. ردپای کربن ناشی از این مراکز داده‌ی غول‌ پیکر، چالشی بزرگ برای توسعه‌ پایدار است. با ادغام روزافزون هوش مصنوعی در جنبه‌ های مختلف زندگی، پرداختن به مسئله‌ پایداری آن، اهمیتی حیاتی پیدا می‌کند.

 

 

 

مغز انسان: شاهکار بهره‌وری انرژی طبیعت

 

در مقابل این مصرف انرژی نجومی، مغز انسان قرار دارد؛ سیستمی بی‌نهایت پیچیده و قدرتمند که با تنها حدود 20 وات انرژی (معادل انرژی لازم برای روشن کردن یک لامپ کم‌مصرف!)، توانایی یادگیری، استدلال، خلاقیت و پردازش حجم عظیمی از اطلاعات حسی را دارد. راز این بهره‌ وری شگفت‌ انگیز چیست؟

 

یکی از تفاوت‌ های بنیادین، در معماری پردازش نهفته است. در مغز، عملکردهای یادگیری (Learning) و حافظه (Memory) از هم جدا نیستند، بلکه به صورت یکپارچه (Integrated) عمل میکنند. یادگیری و ذخیره‌سازی اطلاعات، از طریق تقویت یا تضعیف اتصالات بین نورون‌ ها (سلول‌ های عصبی)، که به آن‌ها سیناپس (Synapses) گفته می‌شود، صورت می‌گیرد. این فرآیند که به پلاستیسیته یا انعطاف‌ پذیری سیناپسی (Synaptic Plasticity) معروف است، به مغز اجازه می‌دهد تا با تغییر الگو های اتصال، مدارهای جدیدی ایجاد کرده و اطلاعات را به شکلی بسیار کارآمد ذخیره و بازیابی کند، بدون نیاز به جابجایی حجم عظیمی از داده‌ها بین واحدهای پردازشی و حافظه‌ جداگانه.

 

 

Super-Turing AI: تولد هوش مصنوعی با الهام از مغز

 

با درک این تفاوت‌های بنیادین، دکتر یی و تیمش رویکردی نوین به نام Super-Turing AI را توسعه داده‌اند. هدف اصلی این رویکرد، تقلید از فرآیندهای عصبی مغز انسان برای ساخت سیستم‌های هوش مصنوعی بسیار کارآمدتر از نظر مصرف انرژی است.

ایده‌ی اصلی، پل زدن بر روی شکاف کارایی بین سیستم‌های محاسباتی فعلی و مغز انسان است. به جای داشتن واحدهای پردازش (مانند CPU و GPU) و واحدهای حافظه (مانند RAM و حافظه‌های ذخیره‌سازی) جداگانه که نیازمند انتقال مداوم و پرمصرف داده‌ها بین یکدیگر هستند، Super-Turing AI به دنبال ایجاد معماری‌هایی است که در آن‌ها، یادگیری و ذخیره‌سازی اطلاعات به صورت یکپارچه و در محل انجام می‌شود، درست مانند مغز.

 

 

 

 

Super-Turing AI چگونه کار میکند؟ (تقلید از فرآیندهای عصبی)

برای دستیابی به این هدف، محققان از روش‌های استاندارد آموزش هوش مصنوعی فاصله گرفته و به سراغ مکانیسم‌های الهام‌گرفته از زیست‌شناسی رفته‌اند:

 

• یکپارچگی یادگیری و حافظه: مهم‌ ترین اصل، ادغام فرآیند های یادگیری و ذخیره‌ سازی اطلاعات در یک واحد یا سطح است. این کار نیاز به جابجایی مداوم حجم عظیمی از داده‌ ها بین پردازنده و حافظه (که یکی از گلوگاه‌ های اصلی مصرف انرژی در سیستم‌ های فعلی است) را از بین می برد.

 

• فراتر از پس‌ انتشار (Backpropagation): الگوریتم پس‌ انتشار، روش استاندارد برای تنظیم وزن‌ ها در شبکه‌ های عصبی مصنوعی در طول فرآیند آموزش است. دکتر یی توضیح میدهد: "در حالی که پس‌انتشار مؤثر است، اما از نظر بیولوژیکی قابل قبول نیست [یعنی مغز به این شکل کار نمیکند] و از نظر محاسباتی بسیار سنگین است." تیم Super-Turing AI به دنبال جایگزین کردن این روش با الگوریتم‌هایی است که به عملکرد مغز نزدیک‌تر باشند.

 

 

مکانیسم‌های یادگیری بیولوژیکی: محققان در حال بررسی و به‌کارگیری مکانیسم‌هایی مانند یادگیری هِبی (Hebbian Learning) و پلاستیسیته وابسته به زمان‌بندی اسپایک (Spike-Timing-Dependent Plasticity - STDP) هستند.

 

یادگیری هبی: این اصل که اغلب به صورت "نورون‌هایی که با هم شلیک می‌کنند، با هم سیم‌کشی می‌شوند" (Cells that fire together, wire together) خلاصه می‌شود، توضیح می‌دهد که چگونه ارتباط بین نورون‌هایی که به طور همزمان فعال می‌شوند، تقویت می‌گردد.

STDP: این مکانیسم توضیح می‌دهد که چگونه زمان‌بندی دقیق پالس‌های عصبی (اسپایک‌ها) بر تقویت یا تضعیف اتصالات سیناپسی تأثیر می‌گذارد. با به‌کارگیری این مکانیسم‌های الهام‌گرفته از زیست‌شناسی، هدف، توسعه‌ی سیستم‌های هوش مصنوعی است که با نیاز محاسباتی بسیار کمتر، عملکردی مشابه یا حتی بهتر از مدل‌های فعلی داشته باشند.

 

 

چرا Super-Turing AI برای آینده‌ی هوش مصنوعی حیاتی است؟

 

این تحقیق می‌تواند یک نقطه‌ی عطف (Game-changer) برای صنعت هوش مصنوعی باشد. شرکت‌های فناوری در حال حاضر در رقابتی نفس‌گیر برای ساخت مدل‌های هوش مصنوعی بزرگ‌تر و قدرتمندتر هستند، اما توانایی آن‌ها برای مقیاس‌پذیری بیشتر، توسط محدودیت‌های سخت‌افزاری و انرژی به شدت تهدید می‌شود.

 

در برخی موارد، کاربردهای جدید هوش مصنوعی نیازمند ساخت مراکز داده‌ی کاملاً جدید با هزینه‌های زیست‌محیطی و اقتصادی هنگفت است. رویکرد Super-Turing AI با کاهش چشمگیر نیاز به انرژی، می‌تواند این محدودیت‌ها را برطرف کرده و راه را برای توسعه‌ی مدل‌های هوش مصنوعی بسیار پیچیده‌تر و کاربردهای گسترده‌تر هموار سازد.

 

 

چشم‌انداز آینده: به سوی هوش مصنوعی پایدار (Sustainable AI)

 

Super-Turing AI گامی محوری به سوی توسعه‌ی هوش مصنوعی پایدار است. با بازطراحی معماری‌های هوش مصنوعی برای تقلید از بهره‌وری شگفت‌انگیز مغز انسان، صنعت می‌تواند به طور همزمان به چالش‌های اقتصادی و زیست‌محیطی پاسخ دهد.

 

دکتر یی و تیمش امیدوارند که تحقیقاتشان به نسل جدیدی از هوش مصنوعی منجر شود که هم هوشمندتر و هم بسیار کارآمدتر باشد. او می‌گوید: "هوش مصنوعی مدرن مانند ChatGPT فوق‌العاده است، اما بیش از حد گران تمام می‌شود. ما قصد داریم هوش مصنوعی پایدار بسازیم... Super-Turing AI می‌تواند نحوه‌ی ساخت و استفاده از هوش مصنوعی را از نو شکل دهد و تضمین کند که همزمان با پیشرفت، به نفع مردم و سیاره زمین عمل می‌کند."

 

 

پرسش‌ های متداول

 

• تفاوت اصلی Super-Turing AI با هوش مصنوعی معمولی چیست؟ تفاوت اصلی در معماری است. AI معمولی پردازش و حافظه جدا دارد و از الگوریتم‌ های سنگین مانند پس‌ انتشار استفاده میکند. Super-Turing AI با الهام از مغز، این واحدها را یکپارچه کرده و از مکانیسم‌ های یادگیری بیولوژیکی کم‌ مصرف‌ تر مانند یادگیری هبی استفاده میکند.

 

• آیا هوش مصنوعی کم‌ مصرف به اندازه‌ مدل‌ های فعلی قدرتمند خواهد بود؟ هدف اصلی این تحقیقات، دستیابی به عملکرد مشابه یا حتی بهتر، اما با مصرف انرژی بسیار بسیار کمتر است. آزمایش پهپاد نشان‌ دهنده‌ پتانسیل بالای این رویکرد است.

 

• چه زمانی می‌توانیم انتظار محصولات مبتنی بر Super-Turing AI را داشته باشیم؟ این فناوری هنوز در مراحل تحقیق و توسعه قرار دارد و زمان دقیق تجاری‌ سازی آن مشخص نیست. اما این یک مسیر تحقیقاتی بسیار فعال و امیدوارکننده است.

 

• آیا مغز انسان واقعاً فقط 20 وات مصرف میکند؟ بله، حدود 20 وات یک تخمین رایج و پذیرفته‌ شده برای میانگین مصرف انرژی مغز فعال انسان است که در مقایسه با قدرت محاسباتی آن، عددی فوق‌ العاده کم محسوب میشود.

 

 

 

Super-Turing AI، طلوع هوش مصنوعی پایدار با الهام از طبیعت!

 

بحران مصرف انرژی، یکی از بزرگترین چالش‌ های پیش روی توسعه‌ی هوش مصنوعی است. رویکرد نوآورانه‌ی Super-Turing AI که با الهام از ساختار و عملکرد شگفت‌ انگیز مغز انسان توسعه یافته، راهکاری امیدوارکننده برای غلبه بر این چالش ارائه می‌دهد.

با یکپارچه‌ سازی یادگیری و حافظه و استفاده از مکانیسم‌ های بیولوژیکی، این نسل جدید هوش مصنوعی پتانسیل آن را دارد که با مصرف انرژی بسیار کمتر، به سطوح بالاتری از کارایی و هوشمندی دست یابد. این پیشرفت، نه تنها مسیر را برای مقیاس‌ پذیری بیشتر AI هموار می‌کند، بلکه گامی مهم به سوی آینده‌ای است که در آن هوش مصنوعی به صورت پایدار و در هماهنگی با محیط زیست توسعه می‌یابد. های ورت (hiwert.com)، مرجع معتبر شما برای خرید انواع کالای دیجیتال، از برندهای معتبر با بهترین قیمت.