Comment les chercheurs en IA peuvent-ils économiser de l'énergie ? En revenant en arrière.

How Can AI Researchers Save Energy? By Going Backward.

Comment les chercheurs en IA peuvent-ils économiser de l'énergie ? En revenant en arrière.

Pour Michael Frank, l'efficacité a toujours été une préoccupation majeure. Étudiant dans les années 1990, il s'est d'abord intéressé à l'intelligence artificielle. Mais après avoir pris conscience de la consommation énergétique de cette technologie, il a orienté ses recherches vers les limites physiques du calcul. Il a alors découvert le concept d'ordinateur réversible, capable d'effectuer des calculs à l'envers comme à l'avant, évitant ainsi de gaspiller de l'énergie en ne supprimant aucune donnée.

Rolf Landauer, physicien renommé d'IBM, fut le premier à étudier l'informatique réversible dans les années 1960. Il a établi un lien entre l'entropie et l'information, démontrant que la suppression d'informations dans un ordinateur génère inévitablement de la chaleur. Cette perte d'énergie est intrinsèque au fonctionnement des ordinateurs traditionnels.

Charles Bennett, collègue de Landauer, a proposé en 1973 une solution : l'« incalcul ». Cette méthode consiste à exécuter un calcul, stocker le résultat, puis le défaire pour éviter toute suppression de données. Bien que cette approche double le temps de calcul, elle permet d'économiser de l'énergie.

Dans les années 1990, une équipe du MIT a développé des prototypes de puces réversibles. Michael Frank, alors doctorant, a rejoint ce projet. Malgré des avancées prometteuses, l'intérêt pour cette technologie a décliné au début des années 2000, les puces traditionnelles continuant à s'améliorer.

Aujourd'hui, face aux limites physiques des puces conventionnelles, l'informatique réversible connaît un regain d'intérêt. Hannah Earley, chercheuse à l'Université de Cambridge, a démontré en 2022 que ces ordinateurs émettent moins de chaleur, surtout lorsqu'ils fonctionnent lentement. Cette caractéristique les rend idéaux pour l'IA, où les calculs parallèles peuvent compenser la lenteur.

Des investisseurs soutiennent désormais cette technologie. Earley a cofondé Vaire Computing, où elle collabore avec Frank pour développer une puce réversible commerciale. Après des décennies de théorie, l'informatique réversible pourrait enfin passer à la pratique.

Làm thế nào các nhà nghiên cứu AI có thể tiết kiệm năng lượng? Bằng cách đi ngược thời gian.

Đối với Michael Frank, hiệu suất luôn là mối quan tâm hàng đầu. Là một sinh viên vào những năm 1990, ông ban đầu quan tâm đến trí tuệ nhân tạo. Nhưng khi nhận ra mức tiêu thụ năng lượng khổng lồ của công nghệ này, ông đã chuyển hướng nghiên cứu sang giới hạn vật lý của máy tính. Ông đã phát hiện ra khái niệm máy tính thuận nghịch, có thể thực hiện các phép tính tiến lẫn lùi, tránh lãng phí năng lượng bằng cách không xóa bất kỳ dữ liệu nào.

Rolf Landauer, nhà vật lý nổi tiếng tại IBM, là người đầu tiên nghiên cứu về máy tính thuận nghịch vào những năm 1960. Ông đã thiết lập mối liên hệ giữa entropy và thông tin, chứng minh rằng việc xóa thông tin trong máy tính luôn tạo ra nhiệt. Sự thất thoát năng lượng này là đặc tính cố hữu của máy tính truyền thống.

Charles Bennett, đồng nghiệp của Landauer, đã đề xuất giải pháp vào năm 1973: 'giải tính toán'. Phương pháp này bao gồm thực hiện phép tính, lưu trữ kết quả, sau đó hoàn tác nó để tránh mất dữ liệu. Mặc dù cách tiếp cận này làm tăng gấp đôi thời gian tính toán, nhưng nó giúp tiết kiệm năng lượng.

Vào những năm 1990, một nhóm kỹ sư tại MIT đã phát triển các mẫu chip thuận nghịch. Michael Frank, khi đó là nghiên cứu sinh, đã tham gia dự án này. Dù có những tiến bộ đầy hứa hẹn, sự quan tâm đến công nghệ này đã giảm dần vào đầu những năm 2000 do sự cải tiến liên tục của chip truyền thống.

Ngày nay, trước những giới hạn vật lý của chip thông thường, máy tính thuận nghịch đang được quan tâm trở lại. Hannah Earley, nhà nghiên cứu tại Đại học Cambridge, đã chứng minh vào năm 2022 rằng những máy tính này tỏa ít nhiệt hơn, đặc biệt khi hoạt động chậm. Đặc điểm này khiến chúng trở nên lý tưởng cho AI, nơi các tính toán song song có thể bù đắp cho tốc độ chậm.

Các nhà đầu tư hiện đang ủng hộ công nghệ này. Earley đã đồng sáng lập Vaire Computing, nơi cô hợp tác với Frank để phát triển chip thuận nghịch thương mại. Sau nhiều thập kỷ lý thuyết, máy tính thuận nghịch cuối cùng có thể bước vào thực tiễn.