Einsatz analoger Computer in der Künstlichen Intelligenz (KI)

Sep 03, 2023

Analogcomputer sind eine Klasse von Geräten, in denen physikalische Größen wie elektrische Spannung, mechanische Bewegungen oder Flüssigkeitsdruck so dargestellt werden, dass sie mit der entsprechenden Größe im zu lösenden Problem analog sind.

Hier ist ein einfaches Beispiel eines analogen Computers.

Wenn wir das schwarze und das weiße Rad um bestimmte Beträge drehen, zeigt das graue Rad die Summe der beiden Drehungen an.

Einer der frühesten analogen Computer war der Antikythera-Mechanismus, der um 100–200 v. Chr. konstruiert wurde. Er bestand aus einer Reihe ineinandergreifender Bronzeräder, sodass die Bewegung bestimmter Zifferblätter der Bewegung von Sonne und Mond entsprach. Es war auch in der Lage, Finsternisse Jahrzehnte im Voraus vorherzusagen.

Um zwei Acht-Bit-Zahlen zu addieren, sind rund 50 Transistoren erforderlich. Mit einem analogen Computer können wir jedoch zwei Ströme addieren, indem wir einfach zwei Drähte verbinden. Um zwei Zahlen zu multiplizieren, benötigen wir ebenfalls Tausende von Transistoren. Im Gegenteil, wir können einen Strom (I Ampere) durch einen Widerstand (R-Ohm) leiten, und der Potentialabfall an den beiden Enden des Drahtes wäre I*R, also das Produkt zweier Zahlen.

Analogcomputer sind leistungsstark, schnell und energieeffizient. Allerdings wurden sie durch digitale Computer ersetzt, da sie zielgerichtet und ungenau sind und die Eingaben kontinuierlich erfolgen, ist es schwierig, den Vorgang genau zu wiederholen.

In der KI wurden analoge Computer für verschiedene Aufgaben eingesetzt, darunter Mustererkennung, Entscheidungsfindung und Steuerung. Beispielsweise wurden sie zum Trainieren neuronaler Netze verwendet, bei denen es sich um Modelle des maschinellen Lernens handelt, die von der Struktur und Funktion des menschlichen Gehirns inspiriert sind. Mit analogen Computern wurden auch regelbasierte KI-Systeme implementiert, die bestimmte Regeln nutzen, um Entscheidungen zu treffen oder Maßnahmen zu ergreifen.

Trotz ihrer weit verbreiteten Verwendung in der Vergangenheit sind analoge Computer in der KI und beim maschinellen Lernen nicht mehr so ​​verbreitet, was vor allem auf das Aufkommen digitaler Computer zurückzuführen ist. Digitale Computer sind viel schneller und zuverlässiger als analoge Computer und können viel größere Datenmengen speichern und verarbeiten. Darüber hinaus sind digitale Computer einfacher zu programmieren und zu warten, was sie zur bevorzugten Wahl für die meisten KI- und maschinellen Lernanwendungen gemacht hat.

Es gibt einen wachsenden Trend zur Verwendung größerer neuronaler Netze in Anwendungen des maschinellen Lernens und der künstlichen Intelligenz. Dieser Trend wird durch die Notwendigkeit vorangetrieben, die Leistung bei immer komplexeren Aufgaben zu verbessern und durch die Verfügbarkeit von mehr Daten, Hardware und Algorithmen zur Unterstützung des Trainings größerer Netzwerke. Mit dieser erhöhten Nachfrage sind jedoch gewisse Herausforderungen verbunden.

Da digitale Computer an ihre Grenzen stoßen, erfreuen sich neuronale Netze immer größerer Beliebtheit, da sich ein Großteil ihrer Funktionalität auf die Matrixmultiplikation konzentriert. Darüber hinaus erfordern neuronale Netze nicht die präzisen Berechnungen digitaler Computer, da eine 98-prozentige oder 95-prozentige Sicherheit für die Klassifizierung eines Bildes als Hund ausreicht. Diese Faktoren stellen eine hervorragende Chance für analoge Computer dar, eine viel führende Rolle in der KI zu übernehmen.

Mythische KI ist ein Analog-Computing-Startup, das analoge Chips für den Betrieb neuronaler Netze entwickelt. Im analogen Bereich werden verschiedene KI-Algorithmen wie Bewegungserkennung, Tiefenschätzung, Klassifizierung von Objekten usw. ausgeführt.

Mythic hat digitale Flash-Speicherzellen modifiziert, um dies zu ermöglichen. Diese Zellen werden typischerweise zur Speicherspeicherung verwendet und können entweder eine Eins oder eine Null enthalten. Eine an das Steuergate angelegte positive Spannung ermöglicht es Elektronen, eine isolierende Barriere zu passieren und am Floating Gate einzufangen. Die Spannung kann dann entfernt werden und die Elektronen bleiben für lange Zeit auf dem Floating-Gate und verhindern so, dass Strom durch die Zelle fließt.

Der gespeicherte Wert kann durch Anlegen einer kleinen Spannung ermittelt werden. Wenn sich Elektronen auf dem Floating-Gate befinden, fließt kein Strom, was auf einen Nullpunkt hinweist. Wenn keine Elektronen vorhanden sind, fließt Strom, also eine Eins.

Die Idee von Mythic besteht darin, diese Zellen nicht als Ein-/Ausschalter, sondern als variable Widerstände zu verwenden. Sie tun dies, indem sie auf jedes Floating-Gate eine bestimmte Anzahl von Elektronen statt auf alles oder nichts aufbringen. Je größer die Anzahl der Elektronen, desto höher ist der Widerstand des Kanals. Beim Anlegen einer kleinen Spannung ist der fließende Strom gleich V über R. Sie können sich dies aber auch als Spannung mal Leitwert vorstellen, wobei der Leitwert nur der Kehrwert des Widerstands ist. So kann eine einzelne Flash-Zelle verwendet werden, um zwei Werte miteinander zu multiplizieren: Spannung mal Leitfähigkeit.

Um damit ein künstliches neuronales Netzwerk zu betreiben, schreiben sie zunächst alle Gewichte als Leitfähigkeit jeder Zelle in die Flash-Zellen. Anschließend geben sie die Aktivierungswerte als Spannung an den Zellen ein. Und der resultierende Strom ist das Produkt aus Spannung und Leitfähigkeit, also Aktivierung mal Gewicht. Die Zellen sind miteinander verbunden, sodass sich der Strom aus jeder Multiplikation addiert und die Matrixmultiplikation vervollständigt.

Ihr Chip kann 25 Billionen mathematische Operationen pro Sekunde ausführen und verbraucht dabei nur 3 W Strom. Im Gegensatz dazu können neuere digitale Systeme 20 bis 100 Billionen mathematische Operationen pro Sekunde ausführen, sind jedoch teuer (1000 Dollar) und verbrauchen 50 bis 100 W Strom.

Es gab Vorschläge, analoge Schaltkreise in Smart-Home-Lautsprechern speziell für die Erkennung von Weckwörtern wie „Alexa“ oder „Siri“ zu verwenden. Dieser Ansatz würde weniger Strom erfordern und eine schnelle und zuverlässige Aktivierung der digitalen Schaltkreise im Gerät ermöglichen.

Zusammenfassend lässt sich sagen, dass es ungewiss ist, ob sich analoge Computer genauso durchsetzen werden wie digitale Computer. Sie eignen sich jedoch besser für eine Vielzahl aktueller Aufgaben, die Computer ausführen sollen, und vielleicht könnten wir Maschinen durch die Leistungsfähigkeit der Analogtechnik zu wahrer Intelligenz verhelfen.

Vergessen Sie nicht, mitzumachenunsere Reddit-SeiteUndDiscord-Kanal, wo wir die neuesten Nachrichten aus der KI-Forschung, coole KI-Projekte und mehr teilen.

Verweise:

Ich habe einen Abschluss im Bauingenieurwesen (2022) von Jamia Millia Islamia, Neu-Delhi, und interessiere mich sehr für Datenwissenschaft, insbesondere für neuronale Netze und deren Anwendung in verschiedenen Bereichen.