Начало пути
Однако не стоит забывать, что технология находится в зачаточном состоянии, предупреждает Тьерд Олде Схепер из Оксфордского университета Брукса, который сотрудничал с конкурирующей компанией FinalSpark. «Заработает ли это так, как все себе представляют? Нет. Мы все еще в самом начале пути», — говорит он.
Прямое сравнение эффективности провести сложно: чипы CL1 не умеют производить обычные вычисления, как традиционные кремниевые процессоры для ИИ. Планируемый биодата-центр будет насчитывать сотни биологических чипов, тогда как крупнейшие центры ИИ сегодня содержат сотни тысяч графических процессоров.
Стив Фербер из Манчестерского университета настроен скептически: «До промышленного применения здесь как до Луны. От маленькой сети, играющей в видеоигру, до большой языковой модели — дистанция огромного размера».
Остается немало нерешенных проблем. Например, до сих пор непонятно, как сохранять результаты обучения нейронов (то есть, по сути, как организовать память) или как запускать на них полноценные вычислительные алгоритмы, а не просто тренировать для конкретных игр.
Еще одна сложность — переобучение нейронов после выполнения задачи. «Все, чему они научились, теряется в конце жизненного цикла культуры. Поэтому необходимо продумать систему корректного переобучения, — объясняет Шерер. — Если переучивать каждые 30 дней — это не самое оптимальное решение для поддержания технологии».
Дата-центры с ИИ по всему миру устанавливают реактивные двигатели — вот почему
Создан микрочип, имитирующий работу мозга
Подписывайтесь и читайте «Науку» в Telegram