بر اساس گزارشی از آژانس بین المللی انرژی، مصرف انرژی مرتبط با مراکز داده، هوش مصنوعی و ارزهای دیجیتال تا سال 2026 به شدت افزایش خواهد یافت و می تواند به اندازه مصرف سالانه ژاپن باشد. در این راستا، شرکت هایی نظیر انویدیا در حال کار بر روی سخت افزارهای کارآمدتر از نظر مصرف انرژی هستند.

محاسبات نورومورفیک: تقلید از مغز

محاسبات نورومورفیک به تقلید از ساختار و عملکرد مغز انسان می پردازد و می تواند مصرف انرژی را به طرز قابل توجهی کاهش دهد. این رویکرد به ویژه در شرایط کنونی که فشار برای کاهش مصرف انرژی رو به افزایش است، جذابیت بیشتری پیدا کرده است. با اینکه این نوع محاسبات از دهه 1980 در حال پژوهش بوده، اما اکنون به دلیل نیاز به بهره وری انرژی در عصر هوش مصنوعی، توجه بیشتری را جلب کرده است.

مزایای محاسبات نورومورفیک

یکی از مزایای عمده این سیستم ها، کاهش نیاز به انتقال داده ها بین حافظه و واحدهای پردازش است. در این سیستم ها، این دو عملکرد به طور همزمان و در یک مکان واحد انجام می شود، که موجب صرفه جویی در مصرف انرژی و افزایش سرعت پردازش می شود. به علاوه، روش های رویداد-محور به کار گرفته شده در محاسبات نورومورفیک، تنها در زمان نیاز به پردازش فعال می شوند، که این نیز به کاهش مصرف انرژی کمک می کند.

چالش ها و موانع

با وجود پتانسیل های بالای محاسبات نورومورفیک، چالش های فنی و هزینه های بالای توسعه نرم افزارها و سخت افزارهای مورد نیاز همچنان باقی است. توسعه یک زبان برنامه نویسی خاص برای این نوع سیستم ها می تواند زمان بر و پرهزینه باشد. کارشناسان پیش بینی می کنند که ممکن است سال ها طول بکشد تا این فناوری به طور کامل تجاری سازی شود و به کاربردهای عملی برسد.

آینده فناوری نورومورفیک

شرکت های بزرگی مانند اینتل و آی بی ام در حال توسعه تراشه های نورومورفیک هستند و تحقیقات در این زمینه به شدت در حال پیشرفت است. به عنوان مثال، اینتل تراشه ای به نام لویهی 2 را توسعه داده که ادعا می کند بزرگترین سیستم نورومورفیک تا به امروز است. با این حال، موانع مالی و فنی هنوز نیازمند توجه هستند.

این مقاله نشان می دهد که محاسبات نورومورفیک می تواند به عنوان یک راه حل برای کاهش مصرف انرژی در عصر هوش مصنوعی به کار رود، اما هنوز راهی طولانی برای دستیابی به پتانسیل کامل آن وجود دارد.