Une idée vieille de 20 ans multiplie par 1 000 l'efficacité de l'IA

C'est avant tout le transfert de données qui entraîne une part importante de la consommation d'énergie. C’est encore plus vrai avec les énormes quantités de données avec lesquelles travaillent les algorithmes d’intelligence artificielle.

Omettre cette étape, qui est également considérée comme un goulot d'étranglement entre la mémoire et les processus logiques, a donc un impact énorme. Et c’est exactement là qu’entre en jeu une idée de 2003, développée à l’époque à l’Université du Minnesota.

Cela a conduit à une collaboration entre de nombreuses disciplines allant de la physique à l'ingénierie et à l'informatique. Le résultat a été un certain nombre de circuits utilisés aujourd'hui dans les montres intelligentes et les éléments de mémoire.

La mémoire computationnelle à accès aléatoire, ou CRAM, a également été impliquée. Cela permet le calcul et l'exécution de processus parallèles directement dans la mémoire principale et à l'intérieur de n'importe quel endroit.

Plus qu'une simple nouvelle architecture

De plus, ce ne sont pas des circuits conventionnels, mais des contacts tunnel magnétiques qui peuvent utiliser le le spin des électrons au lieu de la charge pour basculer entre 0 et 1.

Dans les applications basées sur l'intelligence artificielle, cela se traduit par une consommation d'énergie d'un millième afin d'obtenir au final le même résultat qu'avec la méthode classique. La consommation électrique actuelle et prévue des réseaux de neurones dans le monde montre à quel point cette quantité d’électricité est énorme. Selon l'Agence internationale de l'énergie, 460 térawattheures ont été utilisés en 2022. Au plus tard en 2026, cela devrait atteindre 1 000 térawattheures.

Avec le gigantesque potentiel d'économies de 99,9 pour cent, cela laisserait 999 térawattheures qui ne seraient pas nécessaires. ne sera plus nécessaire. Cela correspond à la consommation annuelle d'électricité du Japon, la quatrième économie avec 126 millions d'habitants.

Selon le journal, ce ne serait même pas le meilleur résultat possible. Des tests supplémentaires pourraient réduire la consommation d’énergie d’un facteur 1 700 ou 2 500. Cette augmentation supplémentaire de l'efficacité est rendue possible par une adaptation ciblée de la CRAM à des algorithmes individuels, qui peuvent être calculés encore plus rapidement et donc de manière plus économique.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!