تصویرسازی: کارکنان وایرد/گتی ایمیجز
تصویرسازی: کارکنان وایرد/گتی ایمیجز

چگونه اکستروپیک قصد دارد انویدیا را کنار بزند

به چالش کشیدن موفق‌ترین سازنده تراشه جهان با نوعی کاملاً جدید از تراشه کامپیوتری ممکن است پوچ به نظر برسد - اما پوچ‌تر از خود رقابت هوش مصنوعی نیست.

اکستروپیک (Extropic) یک استارتاپ عادی نیست. اما خب، این دوران هم به سختی عادی است.

این شرکت در حال توسعه نوع جدید و رادیکالی از تراشه کامپیوتری است که از نوسانات ترمودینامیکی که به طور طبیعی در مدارهای الکترونیکی رخ می‌دهند - و معمولاً برای مهندسان دردسرساز هستند - بهره می‌برد و از آن‌ها برای انجام محاسبات بسیار کارآمد با احتمالات استفاده می‌کند.

این تراشه ممکن است در حالی که غول‌های هوش مصنوعی به دنبال قدرت محاسباتی هرچه بیشتر برای ساخت مدل‌های هوش مصنوعی هستند که استدلال مصنوعی انجام می‌دهند، و همزمان با نگرانی ما درباره تقاضای انرژی باورنکردنی هوش مصنوعی، خریدارانی پیدا کند.

اکستروپیک اکنون جزئیات بیشتری از سخت‌افزار احتمالی خود را با وایرد (WIRED) به اشتراک گذاشته است، و همچنین نتایجی که نشان می‌دهد در مسیر ساخت چیزی است که واقعاً می‌تواند جایگزینی برای سیلیکون (silicon) مرسوم در بسیاری از مراکز داده ارائه دهد. هدف این شرکت ارائه تراشه‌ای است که سه تا چهار مرتبه بزرگی (order of magnitude) کارآمدتر از سخت‌افزار امروزی باشد، شاهکاری که می‌تواند تأثیر قابل توجهی بر انتشار گازهای گلخانه‌ای آینده داشته باشد.

من درباره پیشینه عجیب اکستروپیک برای شماره ویژه وایرد درباره مرزهای محاسبات نوشتم. مقاله من به بررسی جریان‌های فناورانه، سیاسی و فرهنگی قابل توجهی می‌پردازد که به تأسیس این شرکت منجر شد. اما ارزش دارد نگاه دقیق‌تری به فناوری اکستروپیک بیندازیم.

تصویری از یک اسیلوسکوپ که نحوه کنترل نوسانات ترمودینامیکی را نشان می‌دهد.
تصویری از یک اسیلوسکوپ که نحوه کنترل نوسانات ترمودینامیکی را نشان می‌دهد. عکس: اکستروپیک
اکستروپیک

یک سند فنی که توسط اکستروپیک به من ارائه شد، شامل سیگنالی از یک اسیلوسکوپ (oscilloscope) (ابزاری که ولتاژ الکترونیکی را در طول زمان اندازه‌گیری می‌کند) است که یک بیت احتمالی یا پی-بیت (p-bit) را در عمل نشان می‌دهد. یک بیت کامپیوتری مرسوم یا صفر است یا یک. یک پی-بیت احتمال مشخصی برای بودن در هر یک از این دو حالت دارد و تصویر اسیلوسکوپ یک پی-بیت را در حال تغییر بین ۱ و ۰ نشان می‌دهد. نکته حیاتی این است که اکستروپیک می‌تواند احتمال اینکه بیت در هر لحظه در کدام حالت باشد را کنترل کند. و با مهندسی تعاملات بین چندین پی-بیت از این دست، می‌توان محاسبات احتمالی پیچیده‌تری انجام داد.

گیوم وردون (Guillaume Verdon)، مدیرعامل اکستروپیک و فرد پشت پرده شخصیت آنلاین بسیار محبوب، تحریک‌آمیز و گاهی بحث‌برانگیز Based Beff Jezos می‌گوید: «این سیگنال روی اسیلوسکوپ ممکن است در نگاه اول ساده به نظر برسد، اما یک بلوک ساختمانی کلیدی برای پلتفرم ما را نشان می‌دهد که نمایانگر تولد اولین پلتفرم محاسبات احتمالی مقیاس‌پذیر، قابل تولید انبوه و کم‌مصرف در جهان است.»

یکی از نوآوری‌های اکستروپیک، روشی برای کنترل اثرات ترمودینامیکی در سیلیکون مرسوم برای انجام محاسبات بدون نیاز به سرمایش شدید است. تلاش‌ها برای محاسبات ترمودینامیکی به طور سنتی به مدارهای الکترونیکی ابررسانا (superconducting) متکی بوده‌اند، اما وردون و هم‌بنیانگذارش، ترور مک‌کورت (Trevor McCourt)، به جای آن از نوسانات بار الکتریکی در سیلیکون معمولی استفاده می‌کنند.

آرایه‌ای از اجزای اکستروپیک زیر میکروسکوپ
تصویر بالا آرایه‌ای از اجزای اکستروپیک را زیر میکروسکوپ نشان می‌دهد. اعتبار: اکستروپیک
اکستروپیک

اکستروپیک می‌گوید سخت‌افزارش برای اجرای شبیه‌سازی‌های مونت کارلو (Monte Carlo simulations) عالی است؛ دسته‌ای از محاسبات که شامل نمونه‌برداری از احتمالات است و به طور گسترده در زمینه‌هایی مانند مالی، زیست‌شناسی و هوش مصنوعی استفاده می‌شود. این محاسبات برای ساخت مدل‌های استدلالی مانند OpenAI o3 و Gemini 2.0 Flash Thinking از گوگل مهم هستند.

وردون می‌گوید: «واقعیت این است که پرمصرف‌ترین حجم‌های کاری محاسباتی، شبیه‌سازی‌های مونت کارلو هستند. ما نه تنها به هوش مصنوعی علاقه‌مندیم، بلکه به کاربردهای شبیه‌سازی سیستم‌های تصادفی (stochastic systems) در محاسبات با عملکرد بالا (high-performance computing) به طور کلی نیز علاقه‌مندیم.»

بنیانگذاران اکستروپیک اذعان می‌کنند که ایده رقابت با انویدیا (Nvidia) و دیگر سازندگان تراشه ممکن است، در نگاه اول، کاملاً دیوانه‌وار به نظر برسد. تراشه‌های انویدیا همچنان بهترین گزینه برای آموزش هوش مصنوعی هستند و تغییر به یک معماری کاملاً بیگانه، پرهزینه و زمان‌بر خواهد بود.

اما ما در لحظه‌ای منحصر به فرد قرار داریم که شرکت‌های هوش مصنوعی به قدری به قدرت محاسباتی برای هوش مصنوعی نیاز دارند که در حال ساخت مراکز داده در کنار نیروگاه‌های هسته‌ای هستند، زمانی که دولت-ملت‌ها قرار است مبالغ هنگفتی را صرف هوش مصنوعی کنند، و زمانی که تأثیر زیست‌محیطی این فناوری تنها در حال بدتر شدن است. شاید، با توجه به همه این‌ها، تلاش نکردن برای بازآفرینی نحوه کار کامپیوترها دیوانه‌وارتر باشد.