- Thermodynamisch computergebruik maakt gebruik van fysieke energiestromen in plaats van vaste digitale circuits om AI-berekeningen uit te voeren
- Beeldgegevens kunnen op natuurlijke wijze verslechteren door kleine schommelingen in de computercomponenten
- Voor het opschalen naar complexe beeldgeneratie zijn geheel nieuwe hardwareontwerpen en -benaderingen nodig
Onderzoekers onderzoeken een nieuw type computer dat natuurlijke energiestromen gebruikt om AI-taken mogelijk efficiënter uit te voeren.
In tegenstelling tot traditionele digitale computers, die afhankelijk zijn van vaste circuits en exacte berekeningen, werkt thermodynamisch computergebruik met willekeur, ruis en fysieke interacties om problemen op te lossen.
Het idee is dat deze methode ervoor kan zorgen dat AI-tools, waaronder beeldbewerkingsprogramma’s, op veel minder stroom kunnen draaien dan de huidige systemen.
Hoe thermodynamische beeldvorming werkt
Het proces van thermodynamische beeldvorming is ongebruikelijk vergeleken met normaal computergebruik. Het begint ermee dat de computer een reeks beelden ontvangt die hij vervolgens kan “degraderen”.
In deze context betekent degradatie niet dat de beelden worden verwijderd of beschadigd; dit betekent dat de gegevens in de afbeeldingen zich op natuurlijke wijze kunnen verspreiden of veranderen als gevolg van kleine fluctuaties in het systeem.
Deze fluctuaties worden veroorzaakt door de fysieke energie die door de componenten van de computer beweegt, zoals kleine stromen en trillingen.
Na verloop van tijd zorgen deze interacties ervoor dat de beelden wazig of luidruchtig worden, waardoor een soort natuurlijke verstoring ontstaat. Vervolgens meet het systeem de waarschijnlijkheid dat deze stoornis ongedaan wordt gemaakt en worden de interne instellingen aangepast om reconstructie waarschijnlijker te maken.
Door dit proces vele malen uit te voeren, herstelt de computer geleidelijk de originele afbeeldingen zonder de stapsgewijze logica te volgen die door conventionele computers wordt gebruikt.
Stephen Whitelam, onderzoeker aan het Lawrence Berkeley National Laboratory, heeft aangetoond dat thermodynamisch computergebruik eenvoudige afbeeldingen kan produceren, zoals handgeschreven cijfers.
Deze uitvoer is veel eenvoudiger dan die van AI-beeldgeneratoren zoals DALL-E of Nano Banana Pro van Google Gemini.
Toch bewijst het onderzoek dat fysieke systemen fundamentele machine learning-taken kunnen uitvoeren, wat een nieuwe manier laat zien waarop AI zou kunnen werken.
Maar voor het opschalen van deze aanpak om hoogwaardige, volledig functionele beelden te produceren, zijn nieuwe soorten hardware nodig.
Voorstanders beweren dat thermodynamisch computergebruik de energie die nodig is voor het genereren van AI-beelden met een factor tien miljard kan verminderen in vergelijking met standaardcomputers.
Als dit lukt, zal dit het energieverbruik in datacenters met AI-modellen aanzienlijk verminderen.
Hoewel de eerste thermodynamische computerchip is gemaakt, zijn de huidige prototypes eenvoudig en kunnen ze niet tippen aan reguliere AI-tools.
Onderzoekers benadrukken dat het concept beperkt is tot basisprincipes, en dat praktische implementaties doorbraken zullen vereisen in zowel hardware- als computerontwerp.
“Dit onderzoek suggereert dat het mogelijk is om hardware te maken om bepaalde vormen van machinaal leren uit te voeren… tegen aanzienlijk lagere energiekosten dan we momenteel doen,” vertelde Whitelam. IEEE.
“We weten nog niet hoe we een thermodynamische computer moeten ontwerpen die net zo goed is in beeldvorming als bijvoorbeeld DALL-E… het zal nog steeds nodig zijn om uit te zoeken hoe we de hardware hiervoor kunnen bouwen.”
Volg TechRadar op Google Nieuws En voeg ons toe als voorkeursbron om ons deskundig nieuws, recensies en meningen in uw feeds te krijgen. Klik dan zeker op de knop Volgen!
En jij kunt dat natuurlijk ook Volg TechRadar op TikTok voor nieuws, recensies, video-unboxings en ontvang regelmatig updates van ons WhatsAppen Ook.
