Mở rộng điện toán thần kinh để tối ưu hóa AR/VR hiệu quả hơn
Điện toán thần kinh – lĩnh vực mô phỏng cấu trúc và chức năng não bộ trong hệ thống máy tính – cần được mở rộng để cạnh tranh với các phương pháp tính toán hiện tại. Một nhóm 23 nhà nghiên cứu, bao gồm hai chuyên gia từ Đại học California San Diego, đã công bố một lộ trình chi tiết trên tạp chí Nature nhằm hiện thực hóa mục tiêu này.
Tương lai của điện toán thần kinh
Các ứng dụng tiềm năng của điện toán thần kinh trải rộng từ trí tuệ nhân tạo (AI), thực tế ảo (AR/VR), thiết bị đeo thông minh, thành phố thông minh, nông nghiệp công nghệ cao đến y tế và robot. Các chip điện toán thần kinh có thể vượt trội so với máy tính truyền thống về hiệu suất, tiết kiệm năng lượng và không gian. Điều này đặc biệt quan trọng khi mức tiêu thụ điện của AI dự kiến sẽ tăng gấp đôi vào năm 2026.
Tiến sĩ Gert Cauwenberghs, giáo sư tại UC San Diego, nhấn mạnh:
"Điện toán thần kinh trở nên cấp thiết khi AI hiện tại tiêu tốn quá nhiều tài nguyên và năng lượng."
Dhireesha Kudithipudi, tác giả chính của nghiên cứu, cho rằng sự hợp tác chặt chẽ giữa ngành công nghiệp và học thuật là chìa khóa để phát triển lĩnh vực này. Điều này thể hiện rõ qua nhóm nghiên cứu liên ngành của họ.
Tiến bộ và thách thức
Năm 2022, nhóm nghiên cứu của Cauwenberghs đã phát triển chip NeuRRAM, có khả năng thực hiện tính toán ngay trong bộ nhớ, hỗ trợ nhiều ứng dụng AI với mức tiêu thụ năng lượng cực thấp. Bài báo trên Nature đề xuất mở rộng hệ thống AI thần kinh bằng silicon và công nghệ chip tiên tiến nhằm tiếp cận quy mô lớn và hiệu suất cao, tương tự khả năng tự học của não bộ động vật có vú.
Một trong những yếu tố quan trọng để tối ưu hóa điện toán thần kinh là "tính thưa thớt", đặc trưng của bộ não con người. Não phát triển bằng cách hình thành nhiều kết nối thần kinh, sau đó chọn lọc và loại bỏ những kết nối không cần thiết. Nếu áp dụng được cơ chế này vào chip thần kinh, chúng ta có thể tạo ra hệ thống vừa nhỏ gọn vừa tiết kiệm năng lượng.
Theo Cauwenberghs:
"Sự mở rộng linh hoạt và hiệu suất vượt trội đến từ khả năng xử lý song song khổng lồ và cấu trúc phân cấp trong hệ thần kinh. Các kết nối thần kinh cục bộ mô phỏng chất xám của não kết hợp với các kết nối thưa thớt ở quy mô lớn, mô phỏng chất trắng, sẽ giúp tối ưu hóa hiệu suất của hệ thống."
Amitava Majumdar, giám đốc bộ phận tính toán khoa học tại SDSC, UC San Diego, nhận định:
"Nghiên cứu này mở ra tiềm năng ứng dụng điện toán thần kinh trên quy mô lớn trong đời sống. Chúng tôi đang hướng đến việc triển khai tài nguyên điện toán thần kinh cho cộng đồng nghiên cứu toàn quốc."
Lộ trình nghiên cứu này không chỉ giúp điện toán thần kinh đạt hiệu quả cao hơn mà còn mở đường cho các ứng dụng AI thông minh, tiết kiệm năng lượng và thân thiện với môi trường hơn trong tương lai.