液化人工智能 通过节能解决方案开发转换器替代技术

雅加达 - 人工智能(AI)技术今天变得越来越复杂,但其能源消耗仍然是一个挑战。根据液化人工智能,麻省理工学院的一家分公司,这种高昂的能源消耗需要克服。

今天,几乎所有的生成AI都由Transformer架构主导。该架构控制着全球99%的AI系统,但这项技术有一个很大的弱点,即由于高能耗而导致的效率低下。

液化AI首席执行官拉明·哈萨尼(Ramin Hasani)评估说,Transformer不能成为可持续的长期基础。原因是,Transformer处理数据的方式使人工智能系统在操作上变得昂贵且效率低下。

“问题是,Transformer以方位方式处理数据。处理的信息越多,能源消耗就越大,“Hasani在迪拜的Extand North Star 2025活动期间告诉VOI。

为了应对这些挑战,哈萨尼和他在马萨诸塞理工学院(MIT)的团队开发了一种称为液体神经网络的技术。这项技术的灵感来自人类和动物的生物系统。

该系统能够发展智力并适应最小的能量消耗。根据Hasani的说法,这项技术的工作原理与人类和动物的学习方式完全相似。

「如果你看看人类或动物,他们可以非常有效地学习和适应。他们不需要大量的精力来控制行为或思考。我们模仿这些生物学原则,“Hasani解释说。

液体AI现在正试图在各种应用中优先考虑液体神经网络的使用。他们将这项技术应用于智能汽车和卫星设备。该技术可以在小型设备上高效运行,而无需访问数据中心或云。

「我们建造的液化基金会模型与GPT不同。我们的模型几乎可以在所有设备上运行,从Raspberry Pi,咖啡机,汽车,手机,笔记本电脑到卫星,“Hasani说。“你可以想象一个离线版本的ChatGPT,可以直接在你的手机上在没有互联网的情况下工作。

在开发这项新技术的过程中,液化人工智能的重点不仅在于能源效率。它们还注重其他价值观,其中之一就是经济效率。这种效率对于大幅降低人工智能的运营成本是必要的。

接下来,液化人工智能还优先考虑数据隐私,更重要的是,他们的AI可以直接在用户的设备上运行。他们开发的技术不会将个人数据传输到外部服务器。

最后,液化人工智能正试图使其技术更具即时使用,但安全性仍然更高。Hasani还强调,设备上的AI也应该专注于低延迟。

除了效率之外,Hasani还强调了人工智能中透明度和可理解性的重要性。他评估说,人工智能的最大危险是人类对人工智能做出决策的方式缺乏理解。

「我们希望AI的每一项决定都能得到解釋。当人类不明白人工智能是如何思考的时,这就是危险的出现的地方,“哈萨尼说。“我们的使命是确保人工智能在人类的控制之下并得到明智的使用。