- Thermodynamisch computergebruik maakt gebruik van fysieke energiestromen in plaats van vaste digitale circuits om AI-berekeningen uit te voeren
- Beeldgegevens kunnen op natuurlijke wijze verslechteren door kleine schommelingen in computercomponenten
- De overgang naar het genereren van complexe beelden zal geheel nieuwe hardwareontwerpen en -benaderingen vereisen
Wetenschappers onderzoeken een nieuw type computergebruik dat natuurlijke energiestromen gebruikt om AI-taken mogelijk efficiënter uit te voeren.
In tegenstelling tot traditionele digitale computers, die afhankelijk zijn van vaste circuits en exacte berekeningen, werkt thermodynamisch computergebruik met willekeur, ruis en fysieke interacties om problemen op te lossen.
Het idee is dat deze methode ervoor kan zorgen dat AI-tools, waaronder beeldeditors, met veel minder stroom kunnen werken dan de huidige systemen.
Hoe thermodynamische beeldgeneratie werkt
Het proces van het genereren van het thermodynamische beeld is ongebruikelijk vergeleken met normale berekeningen. Het begint ermee dat de computer een reeks beelden ontvangt, die hij vervolgens kan ‘degraderen’.
In deze context betekent degradatie niet dat beelden worden gewist of beschadigd; Het betekent dat de gegevens in de afbeeldingen zich op natuurlijke wijze kunnen verspreiden of veranderen als gevolg van kleine fluctuaties in het systeem.
Deze fluctuaties worden veroorzaakt doordat fysieke energie door computercomponenten beweegt, zoals kleine stroompjes en trillingen.
Na verloop van tijd zorgen deze interacties ervoor dat beelden wazig of luidruchtig worden, waardoor een soort natuurlijke wanorde ontstaat. Vervolgens meet het systeem de waarschijnlijkheid dat deze wanorde ongedaan wordt gemaakt en worden de interne instellingen aangepast om reconstructie waarschijnlijker te maken.
Door dit proces meerdere keren uit te voeren, herstelt de computer geleidelijk de originele beelden zonder de stapsgewijze logica te volgen die door conventionele computers wordt gebruikt.
Stephen Whitelam, onderzoeker aan het Lawrence Berkeley National Laboratory, heeft aangetoond dat thermodynamisch computergebruik beelden kan produceren die net zo eenvoudig zijn als handgeschreven cijfers.
Deze uitgangen zijn veel eenvoudiger dan die van AI-beeldgeneratoren zoals DALL-E of Google Gemini’s Nano Banana Pro.
Uit onderzoek blijkt echter dat fysieke systemen fundamentele machine learning-taken kunnen uitvoeren, wat een nieuwe manier laat zien waarop kunstmatige intelligentie zou kunnen werken.
Om deze aanpak aan te passen om volledige beelden van hoge kwaliteit te produceren, zijn echter nieuwe soorten hardware nodig.
Voorstanders zeggen dat thermodynamisch computergebruik de energie die nodig is voor het genereren van AI-beelden met een factor tien miljard kan verminderen in vergelijking met standaardcomputers.
Als dit lukt, zou dit het energieverbruik van datacenters die AI-modellen gebruiken aanzienlijk verminderen.
Hoewel de eerste thermodynamische computerchip is gebouwd, zijn de huidige prototypes eenvoudig en kunnen ze niet tippen aan traditionele AI-tools.
De onderzoekers benadrukken dat het concept beperkt is tot basisprincipes en dat praktische implementaties innovaties in zowel hardware als computationeel ontwerp vereisen.
“Dit onderzoek suggereert dat het mogelijk is om hardware te maken die bepaalde vormen van machinaal leren kan uitvoeren… met aanzienlijk lagere energiekosten dan vandaag de dag”, aldus Whitelam. IEEE.
“We weten nog niet hoe we een thermodynamische computer moeten ontwerpen die net zo goed is in het genereren van beelden als bijvoorbeeld DALL-E… we zullen nog moeten uitzoeken hoe we de hardware daarvoor kunnen bouwen.”
Volg TechRadar op Google Nieuws EN voeg ons toe als uw favoriete bron om nieuws, recensies en meningen van onze experts in uw feeds te krijgen. Klik dan zeker op de knop Volgen!
En jij kunt dat natuurlijk ook Volg TechRadar op TikTok voor nieuws, recensies, unboxing in videoformaat en ontvang regelmatig updates van ons WhatsApp ook.
