Nová generace umělé inteligence potřebuje revoluci v materiálech

Zatímco veřejná debata o umělé inteligenci se soustředí na algoritmy a výpočetní výkon, klíčem k pokroku je často opomíjená inovace v materiálech. Právě moderní materiály umožňují, aby AI technologie byla stále výkonnější, efektivnější a levnější.

Když se mluví o budoucnosti umělé inteligence, pozornost médií a investorů se nejčastěji upírá na spektakulární ambice: miliardové investice do továren na čipy, stavba obřích datových center nebo zásadní algoritmy, které si lámu hlavu nejlepší vědecké týmy na světě. Nicméně pod povrchem těchto viditelných pokroků leží další vrstva inovací, která je vlastně všechny umožňuje – jde o vědu o materiálech. Bez průlomů v oblasti pokročilých materiálů by dnešní boom AI technologií byl jednoduše nemožný.

Každá nová generace AI systémů klade stále vyšší nároky na infrastrukturu. Modely vyžadují více výpočetního výkonu, vyšší kapacitu paměti, nižší energetickou spotřebu a delší dobu životnosti hardwaru. To jsou právě oblasti, kde se uplatňuje inovace v materiálech. Výrobci čipů jako NVIDIA, Intel nebo Taiwan Semiconductor Manufacturing Company neustále tlačí hranice toho, jak malé mohou být jednotlivé tranzistory, jak efektivně mohou vedení teplo nebo jak mohou snížit ztráty energie při přenosu dat. Všechny tyto výzvy se řeší práce s novými kompozitními látkami, lepšími vodiči, izolanty a polovodiči.

Příkladem může být problém odvádění tepla. Moderní AI procesory generují obrovské množství tepla – takže obrovské, že bez pokročilých chladících systémů a materiálů s vyšší tepelnou vodivostí by hardwary jednoduše shoří. Vědci proto vyvíjejí nové slitiny, keramické kompozity a kovové materiály, které dokážou teplo efektivněji odvádět. Zároveň se pracuje na tzv. přechodových materiálech, které umožňují vyrobit tenkostěnné součástky s extrémně vysokou precizností – právě takovými, které jsou nezbytné pro nejmenší procesní technologie v dnešních čipech.

Dalším kritickým aspektem je energetická efektivita. AI modely jako GPT-4 či Claude spotřebují při trénování astronomické množství elektrické energie. Pokud chceme, aby byly AI služby trvale udržitelné a dostupné, musíme snižovat energetické ztráty. To lze dosáhnout pomocí lepších materiálů s nižší rezistancí, lepších izolantů a také pomocí nových typů tranzistorů založených na jiných fyzikálních principech – jako jsou tunelové nebo spinové tranzistory, které mohou pracovat s nižším napětím.

Věda o materiálech také hraje zásadní roli v rozšiřování kapacity paměti. Současné paměťové technologie, ať už jde o DRAM nebo flash paměť, se blíží fyzickým limitům. Výzkumné týmy po celém světě proto pracují na alternativách – na memristorech, fázově změnových pamětech nebo kvantových pamětech. Tyto nové technologie vyžadují zcela nové materiály s velmi specifickými vlastnostmi, které se musí chovat právě tak, jak potřebují inženýři pro AI aplikace.

Investice do výzkumu pokročilých materiálů tak nejsou jen akademickou hříčkou, ale klíčem k tomu, aby se AI stala opravdu dostupnou a efektivní technologií budoucnosti. Firmy, které budou patřit do čela v tomto odvětví, nebudou jen ty se nejlepšími algoritmy, ale také ty, které ovládnou vědu o tom, z čeho se AI prozatímně vytvářejí – tedy z elektronů, atomů a molekul.

Zdroj: MIT Technology Review

Rubrika: AI & Technologie