아날로그 AI? 이상하게 들리겠지만, 미래일 수도 있습니다

디지털은 잊어버리세요. AI의 미래 ...아날로그인가요? 적어도 그것은 주장이다 신화, AI 시간을 거슬러 올라가 '전력 성능의 도약'을 자처하는 칩 회사. 일종의.

세계 최초의 방 크기의 프로그래밍 가능한 전자 범용 디지털 컴퓨터인 ENIAC 이전에는 1945년에 활기를 띠게 되었을 때, 틀림없이 모든 컴퓨터는 아날로그였으며 컴퓨터가 존재하는 한 오랫동안 그랬습니다. 약.

아날로그 컴퓨터는 원하는 값을 표현하는 방법으로 가변 범위를 사용한다는 점에서 스테레오 앰프와 약간 비슷합니다. 아날로그 컴퓨터에서는 숫자가 디지털 컴퓨터에서 사용되는 0과 1 대신 전류나 전압을 통해 표시됩니다. ENIAC은 아날로그 컴퓨터의 종말의 시작을 상징했지만 실제로 아날로그 컴퓨터는 디지털 트랜지스터가 승리한 1950년대나 1960년대까지 어떤 형태로든 남아 있었습니다.

Mythic의 제품 및 비즈니스 개발 담당 수석 부사장인 Tim Vehling은 Digital Trends에 “디지털이 아날로그 컴퓨팅을 대체했습니다.”라고 말했습니다. “더 저렴하고, 더 빠르고, 더 강력했습니다. [결과적으로] 아날로그는 한동안 사라졌다.”

사실, 마크 트웨인이 자주 인용한 유명한 인용문을 바꾸려면 아날로그 컴퓨팅의 종말에 대한 보고가 크게 과장되었을 수도 있습니다. 디지털 트랜지스터의 승리가 아날로그 컴퓨터의 종말의 시작을 의미했다면, 그것은 단지 시작의 끝의 시작에 불과했을지도 모릅니다.

차세대 AI 구축 프로세서

하지만 Mythic은 의도적으로 복고풍 기술을 구축하지 않습니다. 이것은 Tesla 코일로 가득 찬 빈티지 시계탑 본사에서 운영되는 스팀펑크 스타트업이 아닙니다. 캘리포니아주 레드우드 시티와 텍사스주 오스틴에 본사를 둔 자금력이 풍부한 기술 회사로 Mythic AMP(Mythic Analog Matrix Processor)를 구축하고 있습니다. 일반 디지털 컴퓨팅과 크게 다른 고유한 아날로그 컴퓨팅 아키텍처를 사용하여 전력, 성능 및 비용의 향상을 약속합니다. 아키텍처.

발표된 M1076 단일 칩 아날로그 계산 장치와 같은 장치는 놀랍도록 낮은 전력으로 계산 집약적인 처리 시대를 선도한다고 주장합니다.

“차세대의 훌륭한 AI를 만드는 데 확실히 많은 관심이 있습니다. 프로세서입니다.”라고 Vehling이 말했습니다. “확실히 이 분야에 많은 투자와 벤처 캐피탈 자금이 들어가고 있습니다. 그것에 대해서는 의문의 여지가 없습니다.”

아날로그 접근 방식은 단순한 마케팅 수법도 아닙니다. 신화적인 모습 무어의 법칙의 미래 문제1965년 인텔 공동 창립자인 고든 무어(Gordon Moore)가 한 유명한 관찰에 따르면 대략 18개월마다 집적 회로에 집적할 수 있는 트랜지스터 수가 두 배로 늘어난다고 합니다. 이 관찰은 컴퓨터가 지속적으로 기하급수적으로 향상되는 시기를 여는 데 도움이 되었습니다. 지난 60년 동안 놀라운 발전을 이룬 A.I. 같은 기간에 이루어진 연구 기간.

그러나 무어의 법칙은 물리학의 다양성에 대한 도전에 직면하고 있습니다. 부품 축소를 지속적으로 시도하는 데 따른 물리적 한계로 인해 발전 속도가 느려졌습니다. 다음과 같은 접근 방식 광학 그리고 양자 컴퓨팅 이 문제를 해결할 수 있는 한 가지 방법을 제안합니다. 한편 Mythic의 아날로그 접근 방식은 조정 가능한 저항처럼 작동하고 입력을 전압으로 공급하고 출력을 전류로 수집하는 메모리 내 컴퓨팅 요소를 만드는 것을 추구합니다. 이를 통해 회사의 칩은 인공 신경망이 혁신적인 새로운 방식으로 작동하는 데 필요한 행렬 곱셈을 처리할 수 있다는 아이디어입니다.

다음과 같이 회사는 설명한다: “우리는 입력 벡터에 가중치 행렬을 곱하는 핵심 신경망 행렬 연산에 아날로그 컴퓨팅을 사용합니다. 아날로그 컴퓨팅은 몇 가지 주요 이점을 제공합니다. 첫째, 놀라울 정도로 효율적입니다. 신경망 가중치가 저항기로 사용되기 때문에 신경망 가중치에 대한 메모리 이동이 제거됩니다. 둘째, 고성능이다. 이러한 벡터 연산 중 하나를 수행할 때 수십만 개의 곱셈-누산 연산이 병렬로 발생합니다."

“AI 문제를 해결하는 방법은 많습니다. Vehling은 다양한 하드웨어 회사에서 탐구하고 있는 다양한 접근 방식을 언급하면서 말했습니다. “잘못된 길은 없어요. 그러나 우리는 기본적으로 더 많은 트랜지스터를 던지는 것과 프로세스 노드를 더 작게 만드는 것(기본적으로 무어의 법칙 접근 방식)이 더 이상 실행 가능하지 않다고 믿습니다. 이미 입증되기 시작했습니다. 따라서 아날로그 컴퓨터를 사용하든 안하든 기업은 높은 연산 능력, 저전력 등의 차세대 제품을 만들기 위해 다른 접근 방식을 찾아야 합니다.”

AI의 미래

이 문제가 해결되지 않으면 AI의 발전에 큰 영향을 미칠 것이며, 특히 이것이 장치에서 로컬로 수행되는 경우 더욱 그렇습니다. 현재 일부 A.I. 우리는 온디바이스 처리와 클라우드를 결합하여 매일 의존하고 있습니다. 특정 수준까지 결정을 내릴 수 있지만 상사에게 전화하여 조언을 구해야 하는 직원이 있다고 생각해보세요.

예를 들어, 키워드 찾기("OK, Google")와 같은 작업을 로컬에서 수행하지만 실제 작업은 아웃소싱하는 스마트 스피커에서 사용되는 모델입니다. 클라우드에 대한 음성 쿼리를 통해 가정용 장치에서 수천 마일 떨어진 대규모 데이터 센터에 저장된 슈퍼컴퓨터의 성능을 활용할 수 있습니다. 떨어져 있는.

일부 작업에는 즉각적인 응답이 필요하지만 모든 것이 좋습니다. 그리고 A.I. 더 똑똑해지면 우리는 점점 더 많은 것을 기대하게 될 것입니다. Vehling은 "산업 애플리케이션, 머신 비전 애플리케이션, 드론, 비디오 감시 분야에서 클라우드에 의존하지 않는 Edge AI라고 부르는 것을 많이 봅니다."라고 말했습니다. “[예를 들어] 누군가를 식별하고 즉시 조치를 취하는 카메라를 갖고 싶을 수도 있습니다. 결과에 따라 즉시 적용해야 하는 응용 프로그램이 많이 있습니다.”

일체 포함. 칩은 하드웨어의 다른 혁신과 보조를 맞춰야 합니다. 예를 들어 카메라는 점점 더 좋아지고 있습니다. 지난 수십 년 동안 사진 해상도가 극적으로 향상되었습니다. 이는 심층 AI가 가능하다는 것을 의미합니다. 모델 이미지 인식은 계속해서 증가하는 해상도 데이터를 분석할 수 있어야 합니다. 해석학.

여기에 실시간으로 객체를 매핑하든, 이미지에서 추출할 수 있어야 한다고 사람들이 믿는 것에 대한 기대가 커지고 있습니다. 한 번에 여러 객체를 식별하고 장면의 3차원적 맥락을 파악함으로써 A.I. 시스템 얼굴.

장치를 작게 유지하면서 더 많은 처리 능력을 제공하기 위한 것인지, 개인 정보 보호 요구 사항을 충족하기 위한 것인지 아웃소싱 대신 로컬 처리가 필요한 Mythic은 자사의 소형 칩이 많은 이점을 갖고 있다고 믿습니다. 권하다.

출시

Vehling은 "우리는 [현재] 초기 상용화 단계에 있습니다."라고 말했습니다. “우리는 몇 가지 제품을 발표했습니다. 지금까지 우리는 자신의 제품에 사용할 [우리의 기술]을 평가하고 있는 많은 고객을 보유하고 있습니다… 올해 말, 내년 초에는 기업들이 우리 기술을 활용하는 모습을 볼 수 있기를 바랍니다. 제품."

처음에는 이것이 비디오 감시, 고급 드론 제조업체, 자동화 회사 등과 같은 기업 및 산업 애플리케이션에 있을 가능성이 높다고 그는 말했습니다. 하지만 소비자 애플리케이션이 너무 뒤처질 것이라고 기대하지 마십시오.

그는 "2022년을 넘어(2023년) 24년이 지나면 소비자 기술 기업도 [우리 기술을 채택]하는 것을 보게 될 것"이라고 말했습니다.

아날로그 컴퓨팅이 미래 사회에 필요한 증강 및 가상 현실을 지원하는 혁신으로 판명된다면 메타버스 작동하려면... 음, 그게 바로 여러분이 바랄 수 있는 스팀펑크와 사이버펑크의 가장 완벽한 만남이 아닐까요?

다행히도 Mythic의 칩은 회사가 선택한 이름보다 덜 상상적이고 비현실적입니다.

편집자의 추천

• AI '대부'는 실존적 위협에 대한 두려움이 과장되었다고 말합니다.
• 이러한 독창적인 아이디어는 AI를 조금 덜 사악하게 만드는 데 도움이 될 수 있습니다.
• OpenAI의 새로운 ChatGPT 앱은 iPhone 및 iPad에서 무료입니다
• AI는 채용 중단의 일환으로 IBM에서 약 7,800개의 일자리를 대체할 수 있습니다.
• 나는 AI 웹 검색의 (먼) 미래를 보았습니다. 이것이 놀라운 부분과 어려움을 겪는 부분입니다.