Trung tâm dữ liệu nằm cạnh các hộ gia đình ở Stone Ridge, Virginia, Hoa Kỳ (nguồn: Nathan Howard/Getty Images).
AI có thể thực hiện các phép tính phức tạp và phân tích dữ liệu nhanh hơn con người, nhưng để làm được điều đó, nó cần tiêu thụ một lượng năng lượng khổng lồ. Trong khi đó, bộ não con người cũng là một hệ thống xử lý thông tin cực kỳ mạnh mẽ, nhưng lại sử dụng rất ít năng lượng.
Khi ngành công nghệ AI không ngừng mở rộng, một hướng tiếp cận mới do các nhà nghiên cứu từ Đại học Texas A&M phát triển đã mô phỏng cách bộ não con người hoạt động. Phương pháp này có thể tạo ra bước đột phá trong ngành công nghiệp AI.
TS Suin Yi, trợ lý giáo sư ngành kỹ thuật điện và máy tính tại Trường Kỹ thuật của Đại học Texas A&M cùng nhóm nghiên cứu của mình đã phát triển “Super-Turing AI”. Hệ thống này hoạt động giống bộ não con người bằng cách tích hợp một số quá trình thay vì tách rời chúng và truyền dữ liệu khổng lồ như các hệ thống AI hiện nay.
Thuật ngữ “Turing” trong tên của hệ thống lấy cảm hứng từ Alan Turing, nhà tiên phong trong lĩnh vực AI. Công trình lý thuyết của ông vào giữa thế kỷ 20 đã đặt nền móng cho ngành điện toán, AI và mật mã học. Hiện nay, giải thưởng danh giá nhất trong ngành khoa học máy tính được đặt theo tên ông: Giải thưởng Turing.
Khủng hoảng năng lượng trong AI
Các hệ thống AI hiện đại, bao gồm các mô hình ngôn ngữ lớn như ChatGPT của OpenAI yêu cầu khối lượng tính toán khổng lồ và được vận hành trong các trung tâm dữ liệu tiêu thụ điện năng ở mức khổng lồ.
TS Suin Yi giải thích, các trung tâm dữ liệu đang tiêu thụ điện năng tính bằng gigawatt, trong khi bộ não con người chỉ tiêu thụ 20 watt (tức là 1 tỷ watt so với chỉ 20 watt). Việc duy trì các trung tâm dữ liệu này bằng phương pháp tính toán hiện tại là không bền vững.
Mức năng lượng tiêu thụ khổng lồ không chỉ làm tăng chi phí vận hành mà còn gây lo ngại về môi trường do lượng khí thải carbon do các trung tâm dữ liệu tạo ra. Khi AI ngày càng được tích hợp sâu vào đời sống, việc đảm bảo tính bền vững trở thành một thách thức cấp bách.
Đột phá với "Super-Turing AI"
Theo nhóm nghiên cứu, chìa khóa để giải quyết vấn đề nằm ở cách bộ não con người xử lý thông tin. Trong não bộ, quá trình học tập và ghi nhớ không tách biệt mà được tích hợp. Chúng dựa vào sự kết nối giữa các tế bào thần kinh (neurons), được gọi là “khớp thần kinh” (synapses), nơi các tín hiệu được truyền đi. Học tập làm tăng hoặc giảm cường độ kết nối giữa các khớp thần kinh thông qua một cơ chế gọi là “tính dẻo của khớp thần kinh” (synaptic plasticity), giúp hình thành và thay đổi các mạch thần kinh để lưu trữ và truy xuất thông tin.
Ngược lại, trong các hệ thống AI hiện tại, việc huấn luyện mô hình (training) và lưu trữ dữ liệu (memory) diễn ra ở hai khu vực riêng biệt trong phần cứng máy tính. Super-Turing AI giải quyết vấn đề này bằng cách tích hợp hai quá trình, giúp máy tính không phải di chuyển lượng dữ liệu khổng lồ giữa các phần cứng, từ đó tăng hiệu suất và giảm tiêu hao năng lượng.
Nhóm tác giả cho biết, các mô hình AI truyền thống chủ yếu dựa vào thuật toán lan truyền ngược (backpropagation) để điều chỉnh mạng nơ-ron trong quá trình huấn luyện. Dù hiệu quả, nhưng phương pháp này không giống với cơ chế sinh học của bộ não và rất tốn tài nguyên tính toán. Nhóm nghiên cứu đã tìm cách giải quyết vấn đề này bằng cách áp dụng các nguyên tắc học tập sinh học như Hebbian learning và spike-timing-dependent plasticity - những cơ chế giúp các tế bào thần kinh củng cố kết nối theo cách tương tự như bộ não con người.
Trong một thử nghiệm, nhóm nghiên cứu đã sử dụng các nguyên tắc này để điều khiển một chiếc drone tự điều hướng trong môi trường phức tạp -mà không cần huấn luyện trước. Drone có thể học và thích ứng ngay lập tức, hoạt động nhanh hơn, hiệu quả hơn và tiêu tốn ít năng lượng hơn so với AI truyền thống.
Nghiên cứu này có thể tạo ra bước ngoặt trong ngành công nghiệp AI. Các công ty công nghệ đang chạy đua để xây dựng những mô hình AI lớn hơn, mạnh hơn, nhưng khả năng mở rộng của chúng bị giới hạn bởi phần cứng và mức tiêu thụ năng lượng. Một số ứng dụng AI thậm chí đòi hỏi phải xây dựng các trung tâm dữ liệu mới, làm gia tăng chi phí kinh tế và tác động đến môi trường.
TS Suin Yi nhấn mạnh rằng, đổi mới về phần cứng quan trọng không kém so với phát triển phần mềm AI. Nhiều người nghĩ AI chỉ là một vấn đề về phần mềm, nhưng nếu không có phần cứng tính toán, AI không thể tồn tại.
Super-Turing AI là một bước tiến quan trọng hướng tới phát triển AI bền vững. Bằng cách thiết kế lại kiến trúc AI theo hướng mô phỏng bộ não con người, ngành công nghiệp có thể giải quyết được cả vấn đề kinh tế và môi trường.
Các nhà khoa học hy vọng rằng, nghiên cứu này sẽ mở ra một thế hệ AI mới - thông minh và tiết kiệm năng lượng hơn. TS Suin Yi khẳng định, AI hiện đại như ChatGPT rất ấn tượng, nhưng quá tốn kém. Họ mong muốn tạo ra một AI bền vững. Super-Turing AI có thể định hình lại cách AI được xây dựng và ứng dụng, giúp công nghệ này phát triển theo hướng có lợi cho cả con người và hành tinh.
BL (theo Đại học Texas A&M)