타이치 칩렛을 만든 사람들은 타이치 칩렛이 다른 광자 부품보다 에너지 효율이 높고 확장성이 뛰어나며 미래에 초인간 AI 모델을 훈련시키는 데 사용될 수 있다고 주장합니다.
중국의 과학자들은 전기가 아닌 빛으로 구동되는 작은 모듈러 칩을 설계했고 그들은 미래의 인공 일반 지능 (AGI) 모델을 훈련하고 운영하는 데 사용하기를 원합니다.
“타이치”라고 불리는 그 새로운 칩렛은, 정교하고 강력한 컴퓨터 시스템을 형성할 수 있는, 많은 개별 칩렛들 (타이치 모듈들을 포함하여)로 형성된 더 넓은 직소의 작은 조각입니다. 만약 충분히 규모를 늘린다면, 이것은 미래에 AGI를 훈련시키고 운영하기에 충분히 강력할 것이라고 과학자들은 사이언스 저널에 4월 11일자로 게재된 그들의 논문에서 주장했습니다.
AGI는 이론적으로 인지적 추론 능력 면에서 인간만큼 똑똑할 인공지능(AI)의 가상의 발전된 형태입니다. AGI는 많은 분야에 걸쳐 적용될 수 있는 반면, 오늘날의 인공지능 시스템은 매우 좁게 적용될 수 있습니다.
일부 전문가들은 컴퓨팅 성능의 병목 현상이 주요 차단 요인으로 작용하면서 이러한 시스템은 수년이 지난 것으로 생각하고 있으며, 다른 전문가들은 빠르면 2027년에 AGI 에이전트를 구축할 것으로 믿고 있습니다.
최근 몇 년 동안 과학자들은 특히 AI의 성장과 점점 더 까다로운 시스템을 서비스하는 데 필요한 전력의 양을 고려할 때 기존 전자 기반 구성 요소의 한계에 도달하기 시작했습니다.
관련: 전력으로 구동되는 부품보다 전력으로 구동되는 컴퓨터 칩이 훨씬 빠르게 AI를 훈련시킬 수 있습니다
그래픽 처리 장치 (GPU)는 중앙 처리 장치 (CPU)보다 병렬 계산을 더 잘 수행하기 때문에 인공지능 시스템을 훈련시키는 데 핵심적인 구성 요소로 부상했습니다. 그러나 필요한 에너지 소비 수준은 시스템이 커짐에 따라 지속 불가능해지고 있다고 과학자들은 주장했습니다.
빛 기반 부품은 에너지 효율 문제를 포함한 기존 전자 제품의 한계를 극복하는 한 가지 방법이 될 수 있습니다.
초인적인 인공지능을 위해 빛을 바라봅니다
과학자들은 앞서 지난 2월, 전압이 가해지면 켜지거나 꺼지는 작은 전기 스위치인 트랜지스터를 작동시키기 위해 전자 대신 광자, 즉 빛의 입자를 사용하는 새로운 종류의 광자 마이크로 칩에 대한 설계의 개요를 설명한 바 있습니다. 일반적으로 말하면, 칩이 더 많은 트랜지스터를 가질수록, 더 많은 연산 능력을 갖게 되고, 더 많은 연산 능력을 필요로 합니다. 빛을 이용한 칩은 병렬적으로 연산을 수행할 수 있기 때문에 기존 칩보다 훨씬 덜 에너지 집약적이고 훨씬 더 빠르게 연산을 수행할 수 있습니다.
AI 모델을 위한 현재의 포토닉 칩 아키텍처는 수백 또는 수천 개의 매개변수 또는 훈련 변수로 구성됩니다. 이것은 패턴 인식과 같은 기본 작업에 충분히 강력하게 만들지만 ChatGPT와 같은 대형 언어 모델(LLM)은 수십억 또는 심지어 수조 개의 매개변수를 사용하여 훈련됩니다.
AGI 에이전트는 AI 아키텍처의 광범위한 네트워크의 일부로서 훨씬 더 큰 규모를 필요로 할 것입니다. 오늘날, AGI 시스템을 구축하기 위한 청사진은 존재하지 않습니다.
새로운 연구에서 과학자들은 타이치가 다른 빛을 이용한 칩들과 같은 방식으로 작동하도록 설계했지만, 경쟁적인 설계들보다 훨씬 더 잘 확장될 수 있다고 논문에서 말했습니다. 이것은 기존의 광자 칩의 여러 장점들 – 부품 안의 빛을 조작하는 방법들 – “광 회절과 간섭”을 포함하기 때문입니다.
디자인을 테스트하기 위해 연구원들은 여러 개의 타이치 칩을 연결하고 주요 영역에서 다른 빛 기반 칩과 아키텍처를 비교했습니다.
그들의 아키텍처는 160조 8,200억 와트 (TOPS/W)의 에너지 효율성 지표로 그 다음으로 큰 경쟁 디자인의 147만 개와 비교하여 1,396만 개의 인공 뉴런 (인공 뉴런)의 네트워크 규모를 달성했습니다. 그들이 논문에서 강조한 다음으로 좋은 결과는 2022년에 발표된 연구에서 나왔는데, 이 연구에서 광자 칩은 2.9 TOPS/W를 달성했습니다. 많은 기존의 신경 처리 장치 (NPU)와 다른 칩들은 10 TOPS/W 이하를 달성합니다.
연구원들은 또한 그들의 타이치 기반 아키텍처가 다른 포토닉 시스템보다 두 배 더 강력하다고 주장했지만 직접적으로 이를 인용하지는 않았습니다. 한편, 테스트에서 그들은 성능을 벤치마킹하기보다는 이미지 분류 및 분류, 이미지 콘텐츠 생성 등의 작업을 수행하기 위해 분산된 타이치 네트워크를 사용했습니다.
“타이치는 광 컴퓨팅의 실제 적용을 가능하게 하는 대규모 네트워크 모델로 다양하고 복잡한 작업을 처리하기 위한 온칩 광 컴퓨팅의 큰 잠재력을 나타냅니다.”라고 과학자들은 말했습니다. “우리는 타이치가 기초 모델과 AGI의 새로운 시대를 위한 중요한 지원으로서 더 강력한 광 솔루션의 개발을 가속화할 것으로 기대합니다.”