ChatGPTやClaudeのようなAIシステムは、エネルギー消費が非常に大きいことで知られている。データをある場所に保存し、その後別の場所で処理する必要があり、絶えずそれを往復させている。これは、新たな研究によって今解決できるかもしれない問題だ。 ロウボロ大学の物理学者チームが、時間とともに変化するデータを、ハードウェアの中で直接処理できる装置を設計した。従来のシステムは、これを過去にはソフトウェアベースの手法に頼ってきた。
@LboroScience研究者が開発した脳に着想を得たチップは、いくつかのAIタスクで最大2,000倍エネルギー効率を高められる可能性がある ⚡🧠
この装置はハードウェア内でデータを直接処理し、より低消費電力で持続可能なAIシステムへの新しい道を提供する。
続きを読む⤵️https://t.co/OdJGJhs3IW
— ロウボロ大学PR (@LboroPR) 2026年4月2日
この新しいチップにより、研究者チームは、それが既存の手法より2,000倍エネルギー効率が高くなり得ると主張している。 「これは刺激的です。AIシステムの作り方を再考できることを示しているからです」と、研究の筆頭著者であるパベル・ボリソフ博士は声明の中で述べた。「ソフトウェアに全面的に頼るのではなく物理プロセスを使うことで、こうした種類のタスクに必要なエネルギーを劇的に減らせます。」 従来のAIシステムが、メモリとプロセッサという2つのオフィス間で書類を行ったり来たりさせるようなものだとすると、この新しいチップでは、それは“より賢い1つのオフィス”を持ち、すべてを同じ場所で処理しているようなものになる可能性がある。 ブレイン・ゲイン チップの中心にあるのはメモリ抵抗器で、過去の信号を覚えるメモリチップだ。このメモリは、新しい信号に対する応答の仕方を変える。つまり、単に指示に従うだけでなく、履歴から学習しているということだ。これは人間の脳をモデルにした発想である。 「人間の脳が、すべてのニューロン間で非常に多数の、しかも一見ランダムなニューロン接続を形成する方法に着想を得て、ナノメートル薄の酸化ニオブの膜の中に孔を設計し、それを新しい電子デバイスの一部として用いることで、人工ニューラルネットワーク内に複雑でランダムな物理的接続を作り出しました」と、ボリソフ博士は述べた。
「これらのデバイスを用いることで、標準的なソフトウェアベースの解決策と比べて最大2,000分の1のエネルギー消費で、複雑な時系列の将来の進化を予測できることを示しました。」 AIは、天気予報、株式市場の追跡、波の解析のように、時間とともに変化するデータの処理にしばしば使われる。ランダムではないかもしれないが、小さな変化に敏感だ。 このような、より混沌とした計測のために、従来のAIシステムは、あらゆる小さな変化についていくために大量のエネルギーを使い、情報を行ったり来たりさせる必要がある。この新しいチップは、こうしたより混沌としたシステムに最適に設計できる可能性がある。 過去の計測と経験を分析することで、チップはこれらの混沌としたタイプの計測をより良く追跡し理解するようになり、必要なエネルギー出力を減らせる。 私たちはAIを、ChatGPTのようなものや、顔画像のソフトウェアのようなものだと考えがちだが、実際には今日のほとんどのアプリケーションで見られる。このツールは、チャットボットのような静的な情報ではなく、時間依存の情報を対象としている。 「心拍数、脳の電気活動、外気温。これらは毎日変化しています。追跡することのできる応用はあるものの、エネルギー集約的で、サーバーへの安定したオンライン接続を必要とします」と、ボリソフ博士は Decrypt に語った。 このチップが実装され得るのは、まさにこうした領域であり、時間の経過とともにしばしば変化して安定していないデータに対して、より賢いシステムを作り出せる。
「私の最終目標は、この種の技術が時間依存の信号で使われることです。車であっても、ロボットであっても、原子力発電所であっても、スマートウォッチであってもです」と彼は付け加えた。「たとえば、誰かが脳卒中かどうかを監視すること、車のエンジンの健康状態を監視すること、あるいは原子炉が正常に運転しているかを監視すること、そういったことです。」
