20 年前的想法将人工智能的效率提高了 1000 倍
造成能源消耗的主要原因是数据传输。人工智能算法所处理的海量数据更是如此。
因此，省略这一步骤（这也被认为是内存和逻辑进程之间的瓶颈）会产生巨大影响。这正是 2003 年明尼苏达大学提出的一个想法发挥作用的地方。
这促成了从物理学到工程学和计算机科学等众多学科之间的合作。由此产生了许多电路，这些电路如今已被用于智能手表和存储元件中。
计算随机存取存储器（CRAM）也参与其中。这使得并行进程的实际计算和执行可以直接在主存储器中进行，并在其中的任何位置进行。
不仅仅是新架构
此外，这些并非传统电路，而是磁隧道触点，可以利用电子自旋而非电荷在 0 和 1 之间切换。
在以人工智能为基础的应用中，为了最终实现与传统方法相同的结果，耗电量仅为传统方法的千分之一。从目前和预测的全球神经网络耗电量可以看出，耗电量是多么巨大。根据国际能源机构的数据，2022 年的用电量为 460 太瓦时。最晚到 2026 年，预计将达到 1,000 太瓦时。
在 99.9% 的巨大节约潜力下，将有 999 太瓦时不再需要。这相当于拥有 1.26 亿人口的第四大经济体日本的年耗电量。
论文指出，这还不是最好的结果。进一步的测试可以将能耗降低 1700 或 2500 倍。这种效率的额外提高得益于对 CRAM 进行有针对性的调整，使其适用于各种算法，从而可以更快、更经济地进行计算。
