Umelá inteligencia je najrýchlejšie rastúcim technologickým trendom za posledné roky. Jej kapacity v menšej či väčšej miere využíva drvivá väčšina z nás na dennej báze. No pri tých všetkých skvelých benefitoch, ktoré nám prináša, akosi zabúdame na to, že každý jeden príkaz a každá jedna odpoveď sa musí spracovať v dátovom centre. A keďže týchto interakcií je každým dňom viac, energetická spotreba dátových centier dosahuje enormné hodnoty. Pochopiteľne, to je veľký problém.
Inak povedané, aj keď často používame AI modely zadarmo, každé stisnutie entera niečo stojí. V tomto prípade sa ale cena platí v kilowatthodinách.
Pre lepšiu predstavu, dátové centrá po celom svete spotrebovali v roku 2024 zhruba 415 TWh elektriny, čo predstavuje asi 1,5 percenta celosvetovej spotreby elektriny. Podľa analýz by pritom spotreba mohla do roku 2030 narásť na hodnoty blízke 945 TWh. TTMS uvádza, že len v USA dátové centrá v tomto období spotrebovali viac ako štyri percentá národnej spotreby elektriny, čo je hodnota porovnateľná s ročnou spotrebou celého Pakistanu.
Za týmto nárastom stojí predovšetkým architektúra súčasných AI čipov. Klasické procesory neustále presúvajú dáta tam a späť medzi pamäťou a výpočtovou jednotkou. Práve tento pohyb dát je energeticky veľmi náročný. A logicky, čím viac AI systémov, od jazykových modelov cez odporúčacie algoritmy až po analýzu obrazu, beží nepretržite, tým viac elektriny tieto presuny spotrebúvajú.
Centrum pre neuromorfné výpočty CWI vysvetľuje, že práve oddelenie pamäte a spracovania je koreňom problému, ktorý tradičná Von Neumannova architektúra nedokáže efektívne vyriešiť.
Mozog ako vzor pre nový čip?
Ľudský mozog je v tomto smere neuveriteľne efektívny. Pracuje na výkone asi 20 wattov, no napriek zvláda úlohy, s ktorými sa AI systémy dokážu vyrovnať len s pomocou obrovských serverových fariem.
Kľúčom je to, že v mozgu prebieha pamäť aj spracovanie informácií na tom istom mieste, teda v synapsiách medzi neurónmi. Práve tento princíp sa snaží napodobniť takzvaná neuromorfná (neuromorphic) technológia.
Výskumný tím vedený Univerzitou v Cambridge učinil v tejto oblasti výrazný krok vpred. Vedci vyvinuli nový typ nanoelektronického zariadenia, takzvaného memristora, z modifikovaného oxidu hafnia. Toto zariadenie funguje ako umelá synapsia. To znamená, že uchováva informácie a zároveň ich spracúva, čo zásadne znižuje potrebu presúvať dáta. Tento prístup k výpočtom má podľa dostupných výskumov potenciál znížiť energetickú spotrebu hardvéru na spracúvanie AI až o 70 percent oproti súčasným hodnotám.
Neprehliadnite
V čom presne je tento memristor iný
Väčšina doterajších memristorov funguje na princípe vytvárania a ničenia drobných vodivých vlákien vo vnútri kovového oxidu. Tento mechanizmus je však nepredvídateľný, keďže vlákna sa správajú náhodne a zariadenia vyžadujú relatívne vysoké prevádzkové napätia. To obmedzuje ich využiteľnosť vo veľkých systémoch.
Experti z Cambridge zvolili iný prístup. Do oxidu hafnia pridali stroncium a titán a film nanášali dvojkrokovou metódou. Výsledkom sú drobné elektronické bariéry, (známe ako p-n prechody) na miestach, kde sa vrstvy stretávajú. Zariadenie mení svoju vodivosť plynulo, nie skokovým rastom alebo prasknutím vlákna. Vďaka tomu je správanie oveľa predvídateľnejšie a hlavne opakovateľné.
The IET Engineering informuje, že zariadenia vykazujú vynikajúcu stabilitu ako pri opakovanom prepínaní, tak aj medzi rôznymi kusmi, čo je kľúčová vlastnosť, pokiaľ má technológia uspieť v masovej výrobe. Laboratórne testy tiež ukázali, že nový memristor spotrebúva prúd zhruba miliónkrát nižší ako niektoré bežné oxidové zariadenia.
Zariadenia zvládli desaťtisíce prepínacích cyklov a dokázali uchovať naprogramované stavy zhruba jeden deň. Okrem toho reprodukovali jeden zo základných biologických mechanizmov učenia, takzvanú spike-timing dependent plasticity, čo je schopnosť posilňovať alebo oslabovať spojenia podľa načasovania signálov. Práve táto vlastnosť je predpokladom pre hardvér, ktorý sa dokáže skutočne učiť a prispôsobovať, nie len ukladať bity.
Tri roky pokusov
Pochopiteľne, tomuto dôležitému objavu predchádzali roky tvrdej práce, presnejšie tri roky experimentovania. Vedúci autor štúdie Babak Bakhit z Katedry materiálovej vedy a metalurgie Univerzity v Cambridge, opísal progres ako sériu neúspechov. Zlomový moment prišiel koncom novembra minulého roka, keď vyskúšal malú zmenu v dvojkrokovom procese nanášania vrstiev, teda keď kyslík pridal až po nanesení prvej vrstvy, nie súčasne.
Bakhit zdôrazňuje, že energetická náročnosť je jednou z kľúčových výziev súčasného AI hardvéru. Riešenie vyžaduje zariadenia s mimoriadne nízkymi prúdmi, výbornou stabilitou, rovnomernosťou medzi prepínacími cyklami aj jednotlivými kusmi, ako aj schopnosťou prepínať medzi mnohými odlišnými stavmi. Nový memristor spĺňa všetky tieto požiadavky, zatiaľ aspoň v laboratórnych podmienkach.
Výzvou je teplota
No hoci má technológia obrovský potenciál, na zahájenie priemyselnej výroby to zatiaľ nevyzerá. Hlavnou prekážkou je teplota. Výrobný proces vyžaduje zahriatie na okolo 700 °C, čo presahuje tolerancie štandardných polovodičových procesov. Bežná výroba čipov pracuje s nižšími teplotami, aby neboli poškodené ostatné komponenty na substráte.
Tím v Cambridge však na tomto probléme aktívne pracuje a hľadá spôsoby, ako teplotu znížiť. Ak sa mu to podarí a zariadenia bude možné integrovať priamo do čipov, mohlo by to predstavovať zásadný posun pre celé odvetvie.
Bakhit verí, že pri vyriešení teplotného problému by mohla byť táto technológia skutočne prelomová. Kombinácia dramaticky nižšej spotreby energie a vysokého výkonu zariadení je totiž presne to, čo AI hardvér potrebuje.
Výskum cambridgeského tímu podporili Švédska výskumná rada, Kráľovská akadémia vied, Kráľovská spoločnosť aj britská agentúra UKRI. Na technológiu taktiež bola podaná patentová prihláška prostredníctvom Cambridge Enterprise, inovačného ramena univerzity.
Problém sa rieši aj inde
Samozrejme, Cambridge nie je jediné pracovisko, ktoré hľadá alternatívy k tradičným čipom. Napríklad nemecké konzorcium vedené Technische Universität Braunschweig spustí v apríli 2026 projekt BRIGHT s financovaním v hodnote 15 miliónov eur, ktorý plánuje vybudovať neuromorfný počítač využívajúci mikroskopické LED diódy. Innovation News Network referuje, že cieľom je vytvoriť dátové centrá, ktoré budú niekoľkonásobne efektívnejšie ako tie dnešné.
