高级人工智能渴望的是美酒，而不是权力

人脑处理大量信息。当葡萄酒爱好者品尝一种新酒时，他们大脑中的神经网络会处理每一口酒的一系列数据。它们神经元中的突触在传递给网络中的下一层神经元之前，会衡量每一个数据的重要性——酸度、水果味、苦味。随着信息的流动，大脑会分析出葡萄酒的类型。

科学家们希望人工智能(AI)系统也能成为复杂的数据鉴赏家，因此他们设计了计算机版本的神经网络来处理和分析信息。人工智能在许多任务上正在追赶人类大脑，但做同样的事情通常会消耗更多的能量。我们的大脑在进行这些计算时平均要消耗20瓦的能量。人工智能系统可以使用数千倍的能量。这种硬件也会滞后，使AI比我们的大脑更慢、更低效、更有效。人工智能研究的一个大领域正在寻找能源密集型较低的替代品。

现在，在发表在《应用物理评论》杂志上的一项研究中，美国国家标准与技术研究所(NIST)的科学家及其合作者为人工智能开发了一种新型硬件，可以消耗更少的能量，运行速度更快，并且已经通过了虚拟品酒测试。

与传统的计算机系统一样，人工智能包括物理硬件电路和软件。人工智能系统硬件通常包含大量耗电的传统硅芯片:例如，训练一个最先进的商业自然语言处理器大约消耗190兆瓦时(MWh)的电能，大约相当于16个美国人一整年的用电量。这是在人工智能完成一天训练任务之前。

一种能耗较低的方法是使用其他类型的硬件来创建人工智能的神经网络，研究团队正在寻找替代方案。其中一种颇具前景的设备是磁隧道结(MTJ)，它擅长神经网络使用的各种数学运算，而且只需要相对较少的能量。其他基于mtj的新型设备已被证明比传统硬件少消耗几倍的能量。mtj还可以更快地运行，因为它们将数据存储在进行计算的同一个地方，而不像传统芯片将数据存储在其他地方。也许最棒的是，mtj在商业上已经很重要了。多年来，它们一直是硬盘驱动器的读写磁头，如今正被用作新颖的计算机存储器。

尽管基于mtj在硬盘和其他设备上的过去表现，研究人员对它们的能源效率有信心，但能源消耗并不是目前研究的重点。他们首先需要知道一组mtj是否可以作为一个神经网络。为了找到答案，他们带着它进行了一次虚拟品酒。

NIST人工智能硬件项目的科学家们和他们在马里兰大学的同事们用西部数据公司位于加利福尼亚州圣何塞的研究中心的合作者提供的mtj制作并编程了一个非常简单的神经网络。

就像任何葡萄酒鉴赏家一样，人工智能系统需要训练它的虚拟味觉。该团队使用了178种由三种葡萄制成的葡萄酒中的148种来训练网络。每种虚拟葡萄酒都有13个特征需要考虑，如酒精含量、颜色、类黄酮、灰分、碱度和镁。每个特征都被分配了一个0到1之间的值，供网络在区分一种葡萄酒时考虑。

NIST物理学家布莱恩·霍斯金斯说:“这是一场虚拟的品酒活动，但品酒是由分析设备完成的，比亲自品酒效率更高，但乐趣更少。”

然后，它在完整的数据集上进行了虚拟品酒测试，其中包括30种它以前从未见过的葡萄酒。该系统以95.3%的成功率通过。在没有训练的30种葡萄酒中，它只犯了两个错误。研究人员认为这是一个好迹象。

NIST的物理学家Jabez McClelland说:“95.3%的概率告诉我们这是有效的。”

重点不是构建一个人工智能斟酒师。相反，这一早期的成功表明，一系列MTJ设备有可能被扩大规模，并用于构建新的人工智能系统。虽然人工智能系统使用的能量取决于其组件，但使用mtj作为突触可以大大减少一半甚至更多的能量消耗，这可以使“智能”服装、微型无人机或从源头处理数据的传感器等应用程序的功耗更低。

McClelland说:“通过使用这种阵列实现大型神经网络，很可能比传统的基于软件的方法节省大量能源。”

参考:Goodwill JM, Prasad N, Hoskins BD，等。二叉神经网络在无源磁隧道结阵列上的实现。Phys Rev应用．2022; 18(1): 014039。doi:10.1103 / PhysRevApplied.18.014039

本文已从以下地方重新发布材料．注:材料的长度和内容可能经过编辑。如需进一步信息，请联系所引用的来源。