Hatalı Laboratuvar Deneyi Bilgisayarı Devrim Niteliğinde Değiştirebilir

Bugün, muhtemelen büyük bir dil modeline bir soru sordunuz, LinkedIn'de bir bağlantı önerisini kabul ettiniz, YouTube'da önerilen bir videoyu izlediniz veya Google Haritalar'dan gelen trafik tahminine dayanarak işe farklı bir yoldan gittiniz. Diğer bir deyişle, muhtemelen yapay zeka kullandınız. Ancak, bu etkileşimin ne kadar enerji tükettiğini veya nedenini bilmeyebilirsiniz. Yapay zeka, genellikle saniyede trilyonlarca işlem gerçekleştirebilen binlerce GPU ile dolu büyük veri merkezlerinde gerçekleştirilen devasa miktarda veriyi işlemek için gereklidir. Ancak bu GPU'ların her biri, bireysel olarak 1.000 watt kadar enerji tüketerek bunu başarmaktadır. Karşılaştırma yapmak gerekirse, eğer yeni bir akıllı telefonunuz varsa, muhtemelen 1 W'tan daha az enerji kullanıyordur. Bu kilowatt değeri, GPU'ları elektrikli süpürgeler, bulaşık makineleri ve ocaklarla aynı seviyeye getiriyor, ancak veri merkezi işlemcilerinin 24 saat kesintisiz çalıştığı büyük bir farkla. Temelde, bu verimsizliğin çoğu, GPU'ların yazılım ve milyarlarca transistör kullanarak yapay sinir ağlarının işleyişini simüle etmeye çalışmasından kaynaklanıyor; bu da devasa miktarda veriyi hareket ettirmek için enerji kullanmayı gerektiriyor. Dahası, bu ağların bileşenlerini oluşturan simüle edilmiş yapay nöronlar, bildiğimiz en enerji verimli hesaplama sistemi olan insan beyninin biyolojik nöronlarının karmaşık hesaplama davranışlarının yalnızca bir kısmına bile sahip değil. Beyin, AI için belirlediğimiz birçok karşılaştırılabilir görevde yaklaşık bir milyon kat daha enerji verimli. Bu verimliliklere yaklaşmak için, nöromorfik mühendislik adı verilen radikal bir hesaplama yöntemi, beynin nöronları ve onları bağlayan sinapslar gibi davranan elektronik bileşenler ve devreler inşa etmeyi hedefliyor. Elektroniklerin biyolojik nöronlar ve sinapslar gibi çalışmasını sağlamak için büyük miktarda çalışma yapıldı. Bazı araştırmalar yeni, deneysel cihazlar geliştirmeye odaklanırken, bunlar henüz büyük sistemlerde kullanılacak kadar güvenilir değil. Diğer çabalar, bir nöron ve sinapsı simüle etmek için birçok tamamlayıcı metal-oksit-yarı iletken (CMOS) transistörünü birbirine bağlamayı hedefliyor; dijital mantığın işçi atları. Ancak bu yaklaşım, inşa edilebilecek sistemin boyutunu büyük ölçüde sınırlayan çok sayıda transistör (ve birkaç hacimli kondansatör) gerektiriyor, bu da böyle bir beyin ilhamlı donanımın nasıl ölçeklenebileceğini ve en son GPU'larla rekabet edebileceğini belirsiz kılıyor. Ama her zaman, her biri tek bir cihaz olan bir yapay nöron ve bir sinaps, gözlerimizin önünde saklanıyordu. Geçen yıl onları bulduk. Her biri sıradan bir CMOS transistörü ile mümkün kılındı ve hatta çok iyi bir tane bile değildi. Bu, onların kazara keşfi ve yapay zekanın çevresel ayak izini azaltma konusundaki büyük vaadi hakkında bir hikaye. Biyolojik ve yapay nöronlar Modern dijital elektronik, metal-oksit-yarı iletken alan etkili transistörlerin (MOSFET) çalışması yoluyla ikili kodun bir ve sıfırlarını üretmekte ve manipüle etmektedir. MOSFET'ler son yıllarda evrim geçirdi, ancak klasik formu, ya pozitif (p-tipi) ya da negatif (n-tipi) yük taşıyıcılarının fazlasını içerecek şekilde doplanmış bir silikon parçasından oluşur. (CMOS mantığı, her iki türde de transistörler içerir.) Cihaz, silikonun geri kalanına zıt polaritede yüksek oranda doplanmış bölgeler aracılığıyla bağlanan iki terminale sahiptir: kaynak ve dren. Diğer bir terminal, gate, kaynak ile dren arasını ayıran silikonun üstünde yer alır. Gate kendisi bu silikona doğrudan bağlanmaz, bunun yerine ince bir yalıtkan dielektrik tabakasının üzerinde durur. Dikkate değer bir şekilde, silikonun kütlesine bağlanan dördüncü bir terminal vardır; bu kütle terminalini çipin alt tarafına bağlanıyormuş gibi düşünün. Genellikle pek dikkat çekmez, ama hikayemiz için çok önemlidir. Gate'e voltaj uygulandığında ve kütle terminali topraklandığında, kaynak ve dren ile aynı polaritedeki yük taşıyıcıları kanal bölgesine çekilir. N-tipi bir kaynak ve dren durumunda bu elektronlar olacaktır; p-tipi için ise delikler olacaktır. Bu yüklerin varlığı, kaynak ile dren arasındaki direnci birkaç büyüklük sırasıyla azaltan iletken bir kanal oluşturur ve cihaz açılır. Gate'teki voltaj arttıkça, bu fiziksel fenomen, gate voltajına karşı çizildiğinde sürekli olarak yükselen bir akım sinyali üretir. Bu yanıt, mantık kapıları, dönüşt