Rövid összefoglalóm célja, hogy „kályhaként” szolgálhasson, amikor az olvasó a mesterséges intelligencia (továbbiakban MI) hardveres alapjairól, és ennek várható továbbfejlődési lehetőségeiről szeretne tájékozódni. Az első részben a jelenről írtam, folytatásként a távolabbi és a közelebbi jövő két elektronikus megközelítési vonaláról szólok. Terjedelmi okok miatt a harmadik részbe került néhány, a biológiával kapcsolatos irány rövid említése.
A jövő elektronikus irányai
A fejlesztők az előző részben említett kisebb ötletek mentén teszik optimálisabbá az MI számára a hardvert. Ha ezeken túltekintünk, akkor kimondható, hogy már benne élünk a hagyományos Neumann-elvű architektúrákból való kilépés korszakában. Ebben az írásban csupán néhány izgalmas példát gyűjtöttem össze annak alátámasztására, hogy a hardveres területen is komoly diszrupciók várhatók.
Önmagukat átalakító hardverek (neuromorf rendszerek)
Kezdjük a legfuturisztikusabb megoldással. A felfedezést, melyre ez a technológia majdan alapulhat, néhány éve tették, ezért még teljesen kialakulatlan irányról van szó. A felfedezés lényege, hogy egy bizonyos anyagból szobahőmérsékleten, egyszerű elektromos impulzusokkal újrakonfigurálható alkatrészek hozhatóak létre[1]. (Konkrétan a protonnal adalékolt perovszkit neodímium-nikelát (NdNiO3) nevű vegyületről van szó). Vagyis egy olyan anyagot alkottak, amelyből az elkészített processzorcellák igény képesek négyféle alkatrészként működni: ellenállásként, kondenzátorként, neuronként vagy akár szinapszisként is. Tehát az ebből létrehozott processzor hardveres szinten könnyen átalakítható úgy is, hogy mindig az éppen legszükségesebb funkciók futtatására legyen optimalizált maga a hardver. Ennek első megvalósulásai az FPGA-hoz hasonló (ld. első rész), de annál sokkal nagyobb távlatokat nyitó megoldást fognak jelenteni.
Ezen azonban jócskán túl is mutatnak. Mivel a cellák az MI két alapelemét (a neuront és az azokat összekötő szinapszisokat) is modellezni képesek, így akár az adott célra optimálisabb MI-modellé képesek alakulni. Ez ugyan a tudományos-fantasztikus irodalmak disztópikus világát idézi, de megvalósulása meglehetősen kétséges, hiszen nem áll rendelkezésre neuromorf alapokra épített architektúra, sőt elegendő teszt és adat sincs ezek stabilitásáról vagy sorozatgyártási problémáiról.
Kvantum MI
Ez egy közismertebb kutatási irány, mely azonban még újszerű megközelítés. Bár az előző példánál előrehaladottabbak a kutatások, igazából egy most rügyező technológiáról beszélhetünk. (Történeti érdekességként hadd említsem meg, hogy a kvantumgépek matematikai alapjait jelentő mátrixlogikát kidolgozó August Stern már 1970-ben felvetette a kvantumszámítógépek lehetőségét, jóval korábban az a fizikus, David Deutch[2], aki kvantumelméleti alapon vázolta a technológia alapjait.)
A közeljövő technológiáját láthatjuk: egyelőre a kvantumszámítógépek alaplehetőségei is most bontakoznak ki, így még nem áll előttünk ütőképes, teljesen kvantuminformatikai alapon működő MI-szolgáltatás. Ezen a tudományterületen fő cél olyan kvantumalgoritmusok megvalósítása, melyek jobban képesek kihasználni a kvantumszámítógépek lényegét. Elsősorban a hardver azon tulajdonsága fontos, hogy nem a kettes számrendszer korlátaiban dolgozik. Ezért a kvantuminformatika alapegysége a bit helyett a qubit, mely a hagyományos bitekhez képest nem csupán a 0 vagy az 1 értéket veheti fel, hanem a kettő között bármilyen értéket. Vagyis a qubitekre írt MI-kódok elvileg is jobban utánozhatják az agy működését, mint a jelen korunk elektronikai (kettes számrendszeren alapuló) megoldásai. Ezáltal a kvantum MI-rendszerek használhatóbbakká, életszerűbekké válhatnának. Ez a tulajdonságuk, karöltve azzal, hogy a kvantumgépek eleve nagyságrendekkel gyorsabbak, mint a hagyományos gépek, egy valóban jelentős diszrupciót hozhatna létre.
Érthető a vágy ennek birtoklására, a Google még nyílt forráskódú, hozzáférhető platformot is készített, amely lehetőséget ad olyan MI-modellek fejlesztésére, melyek a kvantuminformatika egyedi lehetőségeit használják ki. A kutatás jelen állása szerint már számos kvantumtanulási algoritmus működőképes[3], bár leginkább a jelenlegi felhasználásnak igazán a hibrid modellek felelnek meg. Jelenleg a gyakorlati alkalmazhatóság felől az az irány tűnik reálisnak, melyben a kvantumgép a tanulási fázist gyorsítja fel, míg a lekérdezéshez elegendőek a hagyományos platformok jóval lassabb képességei is[4]. Sok kutató azt várja, hogy 2025 az ez irányú áttörés éve lesz, ahol széles körben elérhetővé válik a technológia, mivel 2024 során megoldottá vált a hibajavítás problémája, valamint a szobahőmérsékleten (lézerrel) működő megoldások[5].
A hamarosan megjelenő utolsó részben a fejlesztés biológiai irányaival folytatom a sort.
Felhasznált irodalom
[1] H.-T. Zhang és mtsai., „Reconfigurable perovskite nickelate electronics for artificial intelligence”, Science (New York, N.Y.), köt. 375, sz. 6580, o. 533–539, 2022, doi: 10.1126/science.abj7943.
[2] I. Dienes és Stratégiai Kutató Intézet, „Mesterséges intelligencia másképpen: kvantumszámítógépek és a topologikus energia”, ÁT – Áram és Technológia, sz. III. évfolyam 1. szám, 2005, [Online].
[3] D. Peral-García, J. Cruz-Benito, és F. J. García-Peñalvo, „Systematic literature review: Quantum machine learning and its applications”, Computer Science Review, köt. 51, o. 100619, febr. 2024, doi: 10.1016/j.cosrev.2024.100619.
[4] S. Jerbi, C. Gyurik, S. C. Marshall, R. Molteni, és V. Dunjko, „Shadows of quantum machine learning”, Nat Commun, köt. 15, sz. 1, o. 5676, júl. 2024, doi: 10.1038/s41467-024-49877-8.
[5] M. Swayne, „2025 Expert Quantum Predictions — Quantum Computing”, The Quantum Insider. Elérés: 2025. január 8. [Online].
A témáról szóló bejegyzések elérhetők az alábbi linkeken
- A jelen és a jövő MI-t támogató hardverei I.
- A jelen és a jövő MI-t támogató hardverei II. (a jelen írás)
- A jelen és a jövő MI-t támogató hardverei III.
A nyitóképet a ChatGPT alkotta a következő prompt használatával: Alkoss képet a jelen és a jövő MI-t támogató hardverei, a jövő elektronikus irányai témában. Legyen 16:9 arányú és legalább 1200 pixel széles.
