اکستروپیک یک استارتاپ عادی نیست. اما خب، این روزها هم اصلاً عادی نیستند.
این شرکت در حال توسعه نوعی رادیکال و جدید از تراشه کامپیوتری است که از نوسانات ترمودینامیکی (thermodynamic fluctuations) که به طور طبیعی در مدارهای الکترونیکی رخ میدهند – و معمولاً برای مهندسان دردسرآفرین هستند – استفاده میکند و از آنها برای انجام محاسبات بسیار کارآمد با احتمالات بهره میبرد.
این تراشه ممکن است مشتریانی پیدا کند، زیرا غولهای هوش مصنوعی به دنبال قدرت محاسباتی بیشتر برای ساخت مدلهای هوش مصنوعی که استدلال مصنوعی انجام میدهند، هستند و همه ما نگران مصرف انرژی باورنکردنی هوش مصنوعی هستیم.
اکستروپیک اکنون جزئیات بیشتری از سختافزار احتمالی (probabilistic hardware) خود را با وایرد (WIRED) به اشتراک گذاشته است، و همچنین نتایجی را ارائه کرده که نشان میدهد این شرکت در مسیر ساخت چیزی است که میتواند واقعاً جایگزینی برای سیلیکونهای مرسوم در بسیاری از مراکز داده باشد. هدف این شرکت ارائه تراشهای است که سه تا چهار مرتبه از سختافزارهای امروزی کارآمدتر باشد، موفقیتی که میتواند سهم قابل توجهی در کاهش انتشار گازهای گلخانهای در آینده داشته باشد.
من درباره داستان عجیب اکستروپیک برای شماره ویژه وایرد در مورد مرزهای محاسبات نوشتم. مقاله من جریانهای تکنولوژیکی، سیاسی و فرهنگی قابل توجهی را که منجر به تأسیس این شرکت شد، بررسی میکند. اما ارزشش را دارد که نگاهی دقیقتر به فناوری اکستروپیک بیندازیم.
یک سند فنی که توسط اکستروپیک به من ارائه شد، سیگنالی از یک اسیلوسکوپ (دستگاهی که ولتاژ الکترونیکی را در طول زمان اندازهگیری میکند) را شامل میشود که یک بیت احتمالی یا p-bit را در عمل نشان میدهد. یک بیت کامپیوتر مرسوم به صورت یک یا صفر ثابت است. اما یک p-bit احتمال مشخصی برای قرار گرفتن در هر یک از این دو حالت را دارد و تصویر اسیلوسکوپ یک p-bit را در حال تغییر بین ۱ و ۰ نشان میدهد. نکته حیاتی این است که اکستروپیک میتواند احتمال قرار گرفتن بیت در هر یک از این دو حالت را در هر لحظه کنترل کند. و با مهندسی تعاملات بین چندین p-bit، میتوان محاسبات احتمالی پیچیدهتری را انجام داد.
گیوم وردون (Guillaume Verdon)، مدیرعامل اکستروپیک و مرد پشت شخصیت آنلاین بسیار محبوب، تحریککننده و گاهی بحثبرانگیز بیسد بف جیزوس (Based Beff Jezos)، میگوید: "این سیگنال روی اسیلوسکوپ در نگاه اول ممکن است ساده به نظر برسد، اما یک بلوک سازنده کلیدی برای پلتفرم ما را به نمایش میگذارد که نشاندهنده تولد اولین پلتفرم محاسبات احتمالی مقیاسپذیر، قابل تولید انبوه و انرژیکارآمد جهان است."
یکی از نوآوریهای اکستروپیک، روشی برای کنترل اثرات ترمودینامیکی در سیلیکونهای مرسوم برای انجام محاسبات بدون نیاز به خنکسازی شدید است. تلاشها برای انجام محاسبات ترمودینامیکی به طور سنتی بر مدارهای الکترونیکی ابررسانا (superconducting electronic circuits) تکیه داشتند، اما وردون و همکارش، ترور مککورت (Trevor McCourt)، به جای آن از نوسانات بار الکتریکی در سیلیکون معمولی استفاده میکنند.
اکستروپیک میگوید سختافزارش برای اجرای شبیهسازیهای مونت کارلو (Monte Carlo simulations) عالی است؛ کلاس وسیعی از محاسبات که شامل نمونهبرداری از احتمالات است و به طور گستردهای در زمینههایی مانند مالی، زیستشناسی و هوش مصنوعی کاربرد دارد. این محاسبات برای ساخت مدلهای استدلالی مانند اوپنایآی اُ۳ (OpenAI o3) و جیمینای ۲.۰ فلش تینکینگ (Gemini 2.0 Flash Thinking) از گوگل مهم هستند.
وردون میگوید: "واقعیت این است که پرمصرفترین کارهای محاسباتی، شبیهسازیهای مونت کارلو هستند. ما فقط به هوش مصنوعی علاقهمند نیستیم، بلکه به کاربردها در شبیهسازی سیستمهای تصادفی (stochastic systems) در محاسبات با عملکرد بالا (high-performance computing) به طور کلی نیز علاقهمندیم."
بنیانگذاران اکستروپیک اذعان دارند که ایده مقابله با انویدیا و سایر تراشهسازان ممکن است در ظاهر کاملاً جنونآمیز به نظر برسد. تراشههای انویدیا هنوز بهترین گزینه برای آموزش هوش مصنوعی هستند، و تغییر به یک معماری کاملاً ناآشنا پرهزینه و زمانبر خواهد بود.
اما ما در لحظه منحصر به فردی قرار داریم که شرکتهای هوش مصنوعی به قدری به قدرت محاسباتی برای هوش مصنوعی نیاز دارند که مراکز داده را در کنار نیروگاههای هستهای میسازند، زمانی که دولتها قرار است مبالغ هنگفتی را صرف هوش مصنوعی کنند، و زمانی که تأثیرات زیستمحیطی این فناوری تنها بدتر میشود. شاید با در نظر گرفتن همه اینها، تلاش نکردن برای بازآفرینی نحوه کار کامپیوترها، دیوانهوارتر باشد.
آیا فکر میکنید اکستروپیک شانسی برای به چالش کشیدن سلطه تراشههای انویدیا دارد؟ آیا زمان آن رسیده که در مورد نحوه کار کامپیوترها کاملاً تجدید نظر کنیم؟ افکار خود را با ایمیل به [email protected] یا در بخش نظرات زیر به اشتراک بگذارید.