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。
The English, Chinese, Japanese, Arabic, and French versions are automatically generated by the AI. So there may still be inaccuracies in translating, please always see Indonesian as our main language. (system supported by DigitalSiber.id)
