人工智能系统，如ChatGPT或Claude，以其高能耗而闻名。它们需要将数据存储在一个地方，然后在其他地方进行处理，不断地来回移动。这是一个现在可以通过新研究解决的问题。

来自拉夫堡大学的一个物理学家团队设计了一种能够直接在硬件内部处理随时间变化的数据的设备。传统系统过去依赖基于软件的方法来完成这一任务。

研究团队表示，这种新芯片的能效可能比现有方法高达2000倍。

“这令人兴奋，因为它显示我们可以重新思考人工智能系统的构建方式，”该研究的首席作者帕维尔·博里索夫博士在声明中说道。“通过使用物理过程而不是完全依赖软件，我们可以极大地减少这些任务所需的能量。”

传统的人工智能系统类似于在两个办公室（内存和处理器）之间不断发送文档，而这种新芯片则像是拥有一个更聪明的办公室，所有事务在一个地方处理。

大脑的增益

芯片的核心是一种记忆电阻器，一种能记住过去信号的内存芯片。该内存改变了它对新信号的响应方式——换句话说，它不仅仅是执行指令，而是从历史中学习。这一想法是基于人类大脑的模型。

博里索夫博士说：“受到人类大脑在所有神经元之间形成非常多且看似随机的神经连接方式的启发，我们通过在铌氧化物纳米薄膜中设计孔洞，创建了复杂的随机物理连接，从而构建了一个人工神经网络，作为一种新型电子设备。”

“我们展示了如何利用这些设备以比标准软件解决方案低2000倍的能耗来预测复杂时间序列的未来演变。”

人工智能通常用于处理随时间变化的数据，例如天气报告、股市追踪或波浪分析。它们可能不是随机的，但对小变化非常敏感。



对于这些更混乱的测量类型，传统的人工智能系统需要使用大量能量来跟上所有的小变化，不断发送信息。这种新芯片可能非常适合这些更混乱的系统。

通过分析过去的测量和经验，芯片更好地学习跟踪和理解这些混乱类型的测量，减少所需的能量输出。

虽然我们通常把人工智能视为像ChatGPT或者面部图像软件，但如今它存在于大多数应用程序中。这个工具的目标不是静态信息，比如聊天机器人，而是时间相关的信息。

博里索夫博士告诉Decrypt，“心率、大脑电活动、外部温度。这些每天都在变化。有能力的应用程序可以跟踪这些，但它们能耗很大，还需要稳定的在线服务器连接。”

这些是可以实施这种芯片的领域，为不稳定且经常随时间变化的数据创建更智能的系统。

他补充道：“我的最终目标是让这种技术用于时间相关的信号。无论是在汽车、机器人、核电站还是智能手表中。” “例如，监测某人是否中风，监测汽车发动机的健康，或核反应堆是否正常运行，这种事情。”

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。