これはAIを進化させるための興味深いアプローチだ。従来のアーキテクチャから離れ、より「生物学的な」手法を可能にするという考え方である。
それは何を意味するのか。多くの人にとって、直感的には、生物学的組織や物質が人工知能や実験的知能を宿すイメージを想起させる。実験室で培養され、人間の脳を模倣する「オルガノイド」を思い浮かべるだろう。
しかし、科学者たちは生物学的物質の使用を追求しているわけではない場合もある。特定の形態の生物学的シミュレーションを追求しているのだ。
シリコンをベースとして使用しながら、「より生物学的な」設計がどのように機能するのか、詳しく見ていこう。
生物学的設計の活用
Unconventional AIのブログ記事の一部を見てみよう。チームはムーアの法則を超え、結果を生み出す異なる方法を模索している。
「生物学スケールのエネルギー効率が我々の目標だ。ニューラルネットワークは確率的マシンとして動作する。従来のコンピュータに実装される場合、ニューラルネットワークは決定論的抽象化上で動作し、最終的にはデジタル動作をエミュレートするように調整されたアナログ回路上で実行される。これは多くの非効率性をもたらす。代わりに、シリコンの固有の物理特性へのソフトウェアインターフェースを提供できないだろうか。本質的には、物理システムをシミュレートするのではなく、物理特性上で直接ニューラルネットワークを実行するのだ。このアプローチにより、現在のモデルをはるかに上回る能力を実現しながら、エネルギー消費はわずかな割合に抑えられる。我々が問うのは、知能にとって正しい同型性とは何かということだ」
私はこの部分を何度も読んだ。
「本質的には、物理システムをシミュレートするのではなく、物理特性上で直接ニューラルネットワークを実行する」
その後も、このようなものをどう構築するのか理解するには至らなかった。私が理解したのはこれだ。
「従来のコンピュータに実装される場合、ニューラルネットワークは決定論的抽象化上で動作し、最終的にはデジタル動作をエミュレートするように調整されたアナログ回路上で実行される」
この声明は、AIに対する批判の常套句だ。実際には、回路ロジックを使った弱い模倣に過ぎないという。しかし、それをどう変えるかという問題は、私には不透明に思える。シリコンで「生物学的」システムを作るのか。
ChatGPTの助けを借りて、いくつかの手がかりを見つけた。
生物学とデジタルの融合
これを見てほしい。
ここでの「アナログ」とは、計算要素がダイ上のアナログ・混合信号回路またはデバイスアレイであることを意味する。例えば以下のようなものだ。
- コンデンサ・トランジスタネットワーク
- RRAM・PCM・メモリスタクロスバー（インメモリアナログMAC）
- 時にはフォトニックまたは他の非CMOS基板
つまり、チップ上でホストされているが、純粋なデジタルロジックではないのだ。
そして、この注意点がある。
「物理特性優先」のAIでも、デジタル制御、プログラミング、入出力は必要だ。変わるのはコア計算だ。部分的にアナログ、確率的、イベント駆動型、またはインメモリである可能性があるため、すべてを厳密なデジタルエミュレーションを通じて強制する必要はない。
そして、もう1つの要素がある。私はこれを注意深く研究した。シリコンでこれらのシステムを作成する方法を説明する4つの箇条書きのリストだ。
・スパイキングネットワークとイベント駆動型ハードウェアを備えたニューロモルフィックチップ
・物理特性が積和演算を実行するインメモリ・アナログ計算（例：クロスバー、メモリスタ様デバイス）
・サンプリング・不確実性にデバイスノイズを使用する確率的ハードウェア
・解に「緩和」する連続時間・動的システム
「イベント駆動型ハードウェア」は、脳のように刺激に反応する複雑なシステムを想像させる。インメモリ設計はリソースの共存を意味する。「確率的ハードウェア」は当然のことだ。そして「サンプリング・不確実性にデバイスノイズを使用する」ことは、デジタル世界の決定論から離れる重要な動きだろう。解への「緩和」については、このタイプのアニーリングプロセスは、直感的に脳が行うことのように聞こえる。
そして、まったく異なるわけではない何か
最近、米国連邦政府から興味深いものが発表された。パシフィック・ノースウェスト国立研究所で開発されているAMP2として知られる嫌気性微生物表現型解析プラットフォームだ。
AMP2は上記で議論されたものとは実際には異なる。生物学を開発してAIコンピューティングをよりエネルギー効率的にするのではなく、AIを使用して生物学的プロジェクトを実験しているのだ。しかし、トランプ政権のジェネシス・ミッションの旗印の下では、依然として隣接していると主張できるだろう。そのミッションステートメントは次の通りだ。
「差し迫った国家的課題に焦点を当てた変革的科学的発見のためのAIの応用を加速する」
AIシステムをより高性能にする、またはリソースを削減するために生物学的設計を使用することがこれに貢献するなら、そこには好循環があると主張できるだろう。
2026年に向けて、AIで起こっているすべてのことについて、引き続き注目してほしい。
