به گزارش خبرگزاری مهر به نقل از ایندپندنت، هدف از طراحی این هوش مصنوعی، کاهش مصرف انرژی و کار بدون تراشه‌های انویدیا عنوان شده است. به گفته‌ی محققان آکادمی علوم چین، این مدل هوش مصنوعی که SpikingBrain 1.0 نام دارد، از نحوه‌ی شلیک سلول‌های عصبی موردنیاز مغز انسان تقلید می‌کند.

مدل‌های زبانی بزرگی مانند ChatGPT و LLaMA متا که به طور گسترده استفاده می‌شوند، به قانون مقیاس‌بندی وابسته هستند. این قانون نشان می‌دهد که عملکرد یک سیستم هوش مصنوعی استدلالی، با افزایش داده‌ها و بزرگ‌تر شدن مدل‌ها بهبود می‌یابد. این مدل‌ها با استفاده از تکنیکی به نام «توجه» کار می‌کنند؛ به این صورت که هوش مصنوعی به طور همزمان همه‌ی کلمات یک جمله را بررسی می‌کند تا بفهمد کدام یک برای پیش‌بینی کلمه‌ی بعدی اهمیت بیشتری دارد.

برای مثال، اگر کسی جمله‌ی «گربه بعد از دیدن غریبه زیر تخت رفت زیرا آن ترسیده بود» را وارد ChatGPT کند، مدل می‌تواند کلمات را به طور همزمان پردازش کند تا دریابد که واژه‌ی «آن» به «گربه» اشاره دارد. این روش باعث می‌شود مدل‌های هوش مصنوعی هر کلمه را با تمام کلمات دیگر مقایسه کنند. به همین دلیل، اگر درخواست کاربر بسیار طولانی باشد، مانند وارد کردن یک کتاب کامل، انرژی بیشتری مصرف خواهد شد.

مدل‌های رایج هوش مصنوعی به دلیل تعداد زیاد واژگانی که پردازش می‌کنند با چند مشکل اساسی روبه‌رو هستند؛ از جمله هزینه‌های بسیار بالای آموزش و مصرف زیاد انرژی. این مدل‌ها معمولاً بر روی پردازنده‌های گرافیکی انویدیا اجرا می‌شوند، موضوعی که باعث می‌شود امکان توسعه برای همه‌ی پژوهشگران فراهم نباشد.

محققان در این باره نوشتند: «علاوه بر ساخت مدل‌های بزرگ زبانی، توسعه آن‌ها در پلتفرم‌های رایانشی غیر انویدیا با چالش‌های بزرگی همراه است.» آن‌ها مدعی‌اند برای غلبه بر این محدودیت‌ها مدلی تازه ابداع کرده‌اند که از مکانیسم مغز الهام می‌گیرد.

به گفته‌ی پژوهشگران، مدل جدید به جای بررسی کل متن، تنها واژه‌های نزدیک و مرتبط را با دقت پردازش می‌کند؛ درست مانند مغز انسان که در محاوره روی محتوای جدید تمرکز می‌کند. چنین تنظیماتی می‌تواند تعادلی میان کارآمدی و دقت ایجاد کند. SpikingBrain 1.0 با استفاده از روش «توجه» قادر است ۲۵ تا ۱۰۰ برابر سریع‌تر از مدل‌های معمول هوش مصنوعی عمل کند.

این هوش مصنوعی جدید همچنین بر پایه‌ پلتفرم تراشه‌ چینی MetaX طراحی شده است و به جای محصولات انویدیا کار می‌کند. پژوهشگران می‌گویند این مدل به جای تکیه بر کل یک شبکه مانند ChatGPT، به صورت انتخابی به درخواست‌ها پاسخ می‌دهد و همین امر مصرف انرژی را کاهش می‌دهد.

این رویکرد امکان پیش‌آموزش مداوم با کمتر از دو درصد داده‌ها را فراهم می‌کند و در عین حال به عملکردی قابل مقایسه با مدل‌های منبع‌باز متداول دست می‌یابد. محققان مدعی هستند که SpikingBrain در برخی موارد به سرعتی بیش از ۱۰۰ برابر مدل‌های سنتی دست پیدا می‌کند.