Ajattele paikallisesti, toimi älykkäästi: Sayani Majumdar rakentaa energiatehokasta tekoälyä aivojen mallin mukaan

Tekoäly on kaikkialla. Samalla sen pyörittäminen on yhä selvemmin muuttumassa kestämättömäksi. Jokaisen suurelle kielimallille esitetyn kyselyn, jokaisen generoidun kuvan ja jokaisen suosituksen taustalla on konesali, joka kuluttaa sähköä valtavia määriä. Ihmisaivot sen sijaan toimivat noin 20 watin teholla – suunnilleen himmeän hehkulampun verran – ja silti ne päihittävät nykyiset tekoälyjärjestelmät sopeutumiskyvyssä ja monimutkaisessa yleispäättelyssä.

Ongelma, josta harva puhuu

Tämä kuilu keinotekoisen suunnittelun ja luonnon kehittämän ratkaisun välillä on neuromorfisen laskennan ytimessä. Tavoitteena on rakentaa siruja, joita ei suunnitella perinteisen tietokonearkkitehtuurin pohjalta, vaan biologisten aivojen toimintaperiaatteista oppien.

– Nykyisellä laitteistolla toimivat suuret kielimallit kuluttavat megawatteja, kun ihmisaivot toimivat vain 20 watilla”, Majumdar sanoo. ”Tavoitteemme on ymmärtää, miten voimme ottaa oppia luonnosta ja toteuttaa sen laskentalaiteistossa.”

Hänen mukaansa keskeinen kysymys kuuluu: voiko tekoälystä tulla aidosti kaikkialle ulottuvaa, jos se on sidottu keskitettyyn infrastruktuuriin ja sen valtavaan energiankulutukseen?

Tekoäly irti pilvestä

Majumdarin tutkimusta ohjaa visio ”älykkyydestä kaikkialla” – tulevaisuudesta, jossa tavalliset laitteet oppivat ja tekevät päätöksiä itsenäisesti ilman jatkuvaa yhteyttä etäpalvelimiin.

Tarve korostuu kriittisissä tilanteissa. Jos terveysmonitori havaitsee epäsäännöllisen sydämenlyönnin tai autonominen ajoneuvo joutuu väistämään törmäystä, datan lähettäminen palvelimelle ja vastauksen odottaminen ei ole vain tehotonta – se voi olla hengenvaarallista.

Ääriesimerkki löytyy avaruudesta. Kun Mars on kauimmillaan Maasta, viestin edestakainen kulku kestää lähes 45 minuuttia.

– Paikallinen päätöksenteko on tärkein viesti”, Majumdar tiivistää. ”Jos laite saa avaruudessa vain rajallisesti auringonvaloa, sen on kyettävä pyörittämään älykkyyttä sillä teholla.

Myös tietoturva puhuu paikallisen älyn puolesta. Jokainen laitteesta ulos siirtyvä datapaketti on potentiaalinen haavoittuvuus – erityisesti terveys- ja henkilötietojen kohdalla.

Luonto ratkaisi tämän jo

Aivojen energiatehokkuus ei ole sattumaa, vaan miljoonien vuosien evoluution tulos. Perinteisissä siruissa laskenta etenee tasaisessa rytmissä riippumatta siitä, tapahtuuko merkityksellistä muutosta. Aivoissa hermosolut aktivoituvat vain, kun jokin todella muuttuu – muuten ne pysyvät hiljaa.

– Vasta kun jokin muuttuu, data välitetään. Muuten sitä ei pitäisi lähettää.

Valvontakamera, joka lähettää kuvaa vain havaitessaan liikettä, havainnollistaa periaatetta. Aivot toimivat näin jatkuvasti: silmä pakkaa näkemänsä yli satakertaisesti ennen kuin tieto edes saavuttaa aivot.

Tähän malliin perustuvat sirut lepäävät lähes toimettomina ja aktivoituvat vain tapahtuman vaatiessa. Laskennan ja energian suhde muuttuu perustavanlaatuisesti: toimettomuus ei käytännössä kuluta energiaa.

Muisti uusiksi

Tällaisen laitteiston rakentaminen edellyttää perinteisen tietojenkäsittelyn rakenteellisen ongelman ratkaisemista. Muisti ja prosessointi sijaitsevat erillään, ja dataa joudutaan siirtämään niiden välillä jatkuvasti. Tämä kuluttaa energiaa ja aiheuttaa viivettä – ongelma, joka korostuu tekoälysovellusten kasvaessa.

Majumdarin tutkimusryhmä hyödyntää ferrosähköisiä materiaaleja, joilla voidaan rakentaa muisteja, jotka säilyttävät tiedon ilman jatkuvaa virtaa, toimivat erittäin pienellä teholla ja sopivat nykyisiin valmistusprosesseihin.

Keskeistä on se, että ne eivät rajoitu pelkkiin ykkösiin ja nolliin. Yhteen soluun voidaan tallentaa useita välitiloja – enemmän biologisten synapsien kaltaisesti kuin perinteisen kytkimen päälle–pois-logiikalla.

– Osoitimme, että yhteen ferrosähköiseen soluun voidaan kirjoittaa 32 eri tilaa binaaristen ykkösten ja nollien sijaan. Se säästää sirun pinta-alaa ja vähentää tehohäviöitä sekä lämpenemistä.

Käytännössä ryhmä kehittää laitteistotason ratkaisuja assosiatiiviseen oppimiseen autonomisissa ajoneuvoissa. Järjestelmä, joka on koulutettu useilla antureilla, pystyy tekemään turvallisen päätöksen, vaikka yksi syöte puuttuisi – samaan tapaan kuin Pavlovin koira oppii yhdistämään kellon äänen ruokaan ilman ruoan läsnäoloa.

Kuva: Harri Hinkka