电气与计算机工程师们开发了一种“超图灵人工智能”，其运作方式更类似于人脑。这种新AI整合了某些过程，而不是像当前系统那样将它们分开，然后迁移大量数据。
人工智能（AI）能够比任何人类更快地执行复杂计算和分析数据，但要做到这一点需要巨大的能量。人脑也是一台极其强大的计算机，但它消耗的能量却很少。
随着科技公司不断扩张，包括德克萨斯农工大学工程师在内的研究人员开发了一种新的AI“思考”方法，它模拟人脑并有可能彻底改变人工智能行业。
德克萨斯农工大学工程学院电气与计算机工程助理教授苏闫（Suin Yi）参与的团队开发了“超图灵人工智能”，其运作方式更像人脑。这种新AI整合了某些过程，而不是像当前系统那样将它们分开并迁移大量数据。
人工智能中的能源危机
如今的AI系统，包括像OpenAI和ChatGPT这样的巨大语言模型，需要巨大的计算能力，并且存放在消耗大量电力的庞大数据中心中。
苏闫解释说：“这些数据中心的能耗是千兆瓦，而我们的大脑只消耗20瓦。” “这是10亿瓦与仅20瓦之间的对比。消耗这些能量的数据中心在当前计算方法下是不可持续的。因此，尽管AI的能力令人惊叹，但维持它所需的硬件和发电仍然是必需的。”
巨大的能源需求不仅加大了运营成本，还引发了环境担忧，因为大规模数据中心的碳足迹。随着AI的日益整合，解决其可持续性的问题变得越来越重要。
模拟大脑
苏闫和他的团队认为，解决此问题的关键在于自然，特别是人脑的神经过程。
在大脑中，学习和记忆的功能并不是分开的，而是整合在一起的。学习和记忆依赖于神经元之间的连接，称为“突触”，在那里进行信号传递。学习通过一个称为“突触可塑性”的过程来增强或削弱突触连接，形成新的电路并改变现有连接以存储和检索信息。
相比之下，在当前的计算系统中，训练（教导AI的方式）和记忆（数据存储）发生在计算机硬件的两个不同地方。超图灵人工智能是革命性的，因为它弥补了这个效率差距，因此计算机不必将大量数据从其硬件的一部分迁移到另一部分。
苏闫表示：“传统AI模型严重依赖反向传播——这是在训练期间调整神经网络的一种方法。” “尽管有效，但反向传播在生物上是不合理的，并且计算量很大。”
他说：“我们在那篇论文中解决了目前机器学习算法中存在的生物不合理性。我们的团队探索了像赫布学习和脉冲时序依赖性可塑性这样的机制——这些过程帮助神经元以模仿真实大脑学习的方式强化连接。”
赫布学习原则常被总结为“同时发火的细胞共同连接。”这种方法与大脑中神经元根据活动模式加强其连接的方式更为接近。通过整合这种生物启发的机制，团队旨在开发需要更少计算能力而不影响性能的AI系统。
在一次测试中，使用这些组件的电路帮助无人机在复杂环境中导航——无需事先训练——实时学习和适应。这种方法比传统AI更快、更高效并且消耗更少的能量。
为什么这对AI的未来很重要
这项研究可能会对AI行业产生变革性影响。公司们正竞相构建更大更强大的AI模型，但其扩展能力受到硬件和能源限制的限制。在某些情况下，新AI应用程序需要构建全新的数据中心，进一步增加环境和经济成本。
苏闫强调，硬件创新与AI系统本身的进步同样重要。他说：“许多人说AI只是软件的事情，但没有计算硬件，AI就无法存在。”
展望未来：可持续的人工智能发展
超图灵人工智能代表了朝向可持续人工智能发展的重要一步。通过重新构想AI架构以反映人脑的效率，行业可以解决经济与环境挑战。
苏闫及其团队希望他们的研究能够引领出一种既聪明又高效的新一代AI。
苏闫说：“像ChatGPT这样的现代AI很棒，但代价太高。我们将制造可持续的AI。” “超图灵人工智能有可能重塑AI的构建和使用方式，确保随着其不断发展，它能够以有利于人类和地球的方式发展。”
