研究称，“热力学计算”可以将人工智能图像生成的能源消耗削减100亿倍——原型显示出希望，但创建能够与当前模型相媲美的硬件需要艰巨的任务

一份令人费解的新报告称，理论上，“热力学计算”可以大幅降低人工智能生成图像所消耗的能量，只需当前流行工具能量的一百亿分之一。据IEEE Spectrum报道，最近的两项研究暗示了这项新兴技术的潜力，但其支持者承认该解决方案还很初级。

根据这份报告，劳伦斯伯克利国家实验室的工作人员科学家斯蒂芬·威瑟拉姆声称热力学计算可以“以比当前数字硬件低得多的能源成本”用于人工智能图像生成在1月10日由同样来自伯克利的怀特拉姆和科尔内尔·卡塞特发表的一篇文章中，这对夫妇概述了“如何创建神经网络的热力学版本”，为使用热力学计算生成图像奠定了基础。世界上第一个“热力学计算芯片”于去年推出。与传统的游戏PC相比，热力学计算更类似于量子或概率计算，使用噪声和物理能量来解决问题。根据该报告，热力学计算机被赋予一组图像，然后让图像退化。自然的随机相互作用一直运行，直到计算机组件之间达到平衡。然后，计算机的任务是计算出逆转这一衰变过程的可能性，然后调整值以使其尽可能可能。怀特拉姆在1月20日的《物理评论快报》上发表了一篇文章，跟进了这项研究，他在文章中详细介绍了这一过程可用于创建热力学计算机，该计算机可用于生成一些手写数字的图像。当然，这与谷歌双子座的纳米香蕉专业版或你能想到的任何其他人工智能图像生成器的强大图像生成功能相去甚远。然而，它证明了这一概念，即总有一天，热力学计算可以用于人工智能图像生成。“这项研究表明，有可能制造硬件来进行某些类型的机器学习，”怀特拉姆告诉IEEE。具体来说，“图像生成——能源成本比我们目前低得多。”鉴于这一概念证明是多么初级，怀特拉姆警告说，与主流选择相媲美的热力学图像生成还有很长的路要走。“我们还不知道如何设计一台像DALL-E一样擅长图像生成的热力学计算机，”据报道，他说。“仍然有必要弄清楚如何构建硬件来做到这一点。”这很容易，但是在一个人工智能建设和数据中心增长给全球能源供应带来前所未有压力的世界里，一个未来的过程可以将人工智能图像生成的能源消耗减少100亿倍，这肯定是一个突破。在谷歌新闻上关注汤姆的硬件，或者将我们添加为首选来源，以在您的订阅源中获取我们的最新新闻、分析和评论。