Analog A.I.? Det låter galet, men det kanske är framtiden

Glöm digitalt. Framtiden för A.I. är... analog? Åtminstone är det påståendet om Mytisk, en A.I. chipföretag som, med sina egna ord, tar "ett språng framåt i prestanda i makt" genom att gå tillbaka i tiden. Ungefär.

Innan ENIAC, världens första rumsstora programmerbara, elektroniska digitala dator för allmänna ändamål, livade till liv 1945, utan tvekan var alla datorer analoga - och hade varit det lika länge som datorer har varit runt om.

Analoga datorer är lite som stereoförstärkare, med variabelt omfång som ett sätt att representera önskade värden. I en analog dator representeras siffror i form av strömmar eller spänningar, istället för de nollor och ettor som används i en digital dator. Medan ENIAC representerade början på slutet för analoga datorer, fastnade faktiskt analoga maskiner i någon form fram till 1950- eller 1960-talet när digitala transistorer vann.

"Digital typ av ersatt analog datoranvändning," sa Tim Vehling, senior vice president för produkt- och affärsutveckling på Mythic, till Digital Trends. "Det var billigare, snabbare, kraftfullare och så vidare. [Som ett resultat] försvann analog ett tag."

Faktum är att, för att ändra ett berömt citat som ofta tillskrivs Mark Twain, kan rapporterna om döden av analog datoranvändning ha varit mycket överdrivna. Om den digitala transistorns triumf representerade början på slutet för analoga datorer, kan det bara ha varit början på slutet på början.

Bygger nästa stora A.I. processor

Mythic bygger dock inte medvetet retroteknik. Det här är inte någon steampunk-startup som arbetar från ett vintage klocktornshögkvarter fyllt med Tesla-spolar; det är ett välfinansierat teknikföretag, baserat i Redwood City, Kalifornien och Austin, Texas, som bygger Mythic Analog Matrix Processors (Mythic AMP) som lovar framsteg i kraft, prestanda och kostnad med hjälp av en unik analog beräkningsarkitektur som avviker avsevärt från vanlig digital arkitekturer.

Enheter som den tillkännagivna M1076 analoga beräkningsenheten med ett chip avser att inleda en tid av datortung bearbetning med imponerande låg effekt.

"Det finns definitivt ett stort intresse för att göra nästa stora A.I. processor, sa Vehling. "Det finns mycket investeringar och riskkapitalpengar som går in i det här utrymmet, helt klart. Det är ingen tvekan om det."

Det analoga tillvägagångssättet är inte bara en marknadsföringsgimmick heller. Mytiska ser framtida problem för Moores lag, den berömda observationen som gjordes av Intels grundare Gordon Moore 1965, och hävdade att ungefär var 18:e månad fördubblas antalet transistorer som kan klämmas på en integrerad krets. Denna observation har hjälpt till att inleda en period av ihållande exponentiell förbättring för datorer de senaste 60 åren, hjälpt till att stödja de fantastiska framstegen A.I. forskning har gjorts under samma tid period.

Men Moores lag stöter på utmaningar inom fysikvariationen. Framstegen har avtagit som ett resultat av de fysiska begränsningarna av att ständigt försöka krympa komponenter. Tillvägagångssätt som optisk och kvantberäkning erbjuda en möjlig väg runt detta. Samtidigt försöker Mythics analoga tillvägagångssätt att skapa beräknings-i-minne-element som fungerar som avstämbara motstånd, matar ingångar som spänningar och samlar utgångarna som strömmar. Därmed är tanken att företagets chips kan hantera den matrismultiplikation som behövs för att göra det möjligt för artificiella neurala nätverk att fungera på ett innovativt nytt sätt.

Som den företaget förklarar: "Vi använder analog beräkning för våra kärnnätverksmatrisoperationer, där vi multiplicerar en indatavektor med en viktmatris. Analog datoranvändning ger flera viktiga fördelar. För det första är det otroligt effektivt; det eliminerar minnesrörelse för de neurala nätverksvikterna eftersom de används på plats som motstånd. För det andra är det hög prestanda; det finns hundratusentals multiplicera-ackumuleringsoperationer som sker parallellt när vi utför en av dessa vektoroperationer."

"Det finns många sätt att tackla problemet med A.I. beräkning”, sa Vehling och syftade på de olika metoder som undersöks av olika hårdvaruföretag. "Det finns inget fel sätt. Men vi tror i grunden att det att fortsätta att kasta-fler-transistorer-på-det, fortsätta att göra-processen-noderna-mindre – i grunden Moores lag-metoden – inte längre är genomförbart. Det börjar visa sig redan. Så oavsett om du använder analoga datorer eller inte, kommer företag att behöva hitta ett annat tillvägagångssätt för att göra nästa generations produkter som är hög beräkning, låg effekt, [et cetera]."

Framtiden för A.I.

Om det här problemet inte tas om hand kommer det att ha en stor inverkan på den fortsatta utvecklingen av A.I., särskilt när detta utförs lokalt på enheter. Just nu har några av A.I. vi förlitar oss på dagligen kombinerar bearbetning på enheten och molnet. Se det som att ha en anställd som kan fatta beslut upp till en viss nivå, men som sedan måste ringa sin chef för att fråga om råd.

Det här är modellen som används av till exempel smarta högtalare, som utför uppgifter som sökordsupptäckning ("OK, Google") lokalt, men sedan lägger ut själva talade ordförfrågningar till molnet, vilket låter hushållsenheter utnyttja kraften hos superdatorer lagrade i massiva datacenter tusentals mil bort.

Det är väl och bra, även om vissa uppgifter kräver omedelbara svar. Och som A.I. blir smartare, vi förväntar oss mer och mer av det. "Vi ser mycket av det vi kallar Edge A.I., som inte förlitar sig på molnet, när det kommer till industriella applikationer, maskinseendeapplikationer, drönare, inom videoövervakning," sa Vehling. "[Till exempel] kanske du vill ha en kamera som försöker identifiera någon och vidta åtgärder omedelbart. Det finns många applikationer som behöver appliceras omedelbart efter ett resultat."

A.I. chips måste hålla jämna steg med andra genombrott inom hårdvara. Kameror, till exempel, blir bättre hela tiden. Bildupplösningen har ökat dramatiskt under de senaste decennierna, vilket betyder att djup A.I. modeller för bildigenkänning måste kunna analysera ständigt ökande mängder upplösningsdata att utföra analyser.

Lägg till detta de växande förväntningarna på vad folk tror borde kunna extraheras från en bild - oavsett om det är att kartlägga objekt i realtid, identifiera flera objekt samtidigt, ta reda på det tredimensionella sammanhanget för en scen – och du inser den enorma utmaning som A.I. system ansikte.

Oavsett om det är för att erbjuda mer processorkraft samtidigt som du håller enheterna små, eller integritetskraven som kräver lokal bearbetning istället för outsourcing, tror Mythic att dess kompakta chips har mycket att göra erbjudande.

Utrullningen

"Vi är [för närvarande] i de tidiga kommersialiseringsstadierna," sa Vehling. "Vi har annonserat ett par produkter. Hittills har vi ett antal kunder som utvärderar [vår teknik] för användning i sina egna produkter... Förhoppningsvis i slutet av detta år, i början av nästa år, kommer vi att börja se företag som använder vår teknik i sina Produkter."

Inledningsvis, sa han, kommer detta sannolikt att vara i företags- och industriella tillämpningar, såsom videoövervakning, avancerade drönartillverkare, automationsföretag och mer. Förvänta dig dock inte att konsumentapplikationer kommer att ligga för långt efter.

"Förutom 2022 - [2023] och går in i '24 - kommer vi att börja se konsumentteknikföretag [adoptera vår teknik] också", sa han.

Om analog datoranvändning visar sig vara innovationen som driver den utökade och virtuella verkligheten som behövs för metavers att fungera … ja, är det inte den mest perfekta mötesplatsen för steampunk och cyberpunk du kan hoppas på?

Förhoppningsvis visar sig Mythics marker vara mindre imaginära och overkliga än vad företagets valda namn skulle få oss att tro.

Redaktörens rekommendationer

• AI "gudfader" säger att rädslan för existentiella hot är överdriven
• Dessa geniala idéer kan hjälpa till att göra AI lite mindre ond
• OpenAI: s nya ChatGPT-app är gratis för iPhone och iPad
• AI skulle kunna ersätta cirka 7 800 jobb hos IBM som en del av en anställningspaus
• Jag har sett den (avlägsna) framtiden för AI-webbsökning – här är det fantastiskt och där det kämpar