随着全球能源消耗的不断攀升，一项颠覆性的技术有望将AI图像生成的能耗降低一百亿倍，这对面临巨大压力的全球能源供应来说意义重大。来自美国劳伦斯伯克利国家实验室的斯蒂芬·怀特拉姆和科尼尔·卡塞特通过最新研究发现，利用噪声生成图像的“热力学计算机”，在能耗上远远低于当前流行的生成式AI模型。他们在1月10日发表的文章中，明确指出了“如何创建神经网络的热力学版本”，为未来利用这种计算方式生成图像奠定了理论基础。IEEE Spectrum报道了这个充满潜力的新兴领域。斯蒂芬·怀特拉姆甚至声称，热力学计算所需的能量比目前的数字硬件要少得多。在《物理评论快报》上发布的相关成果中，怀特拉姆展示了一个能够手写数字的热力学计算机。这台计算机通过让图像逐渐退化，并在自然的随机相互作用中达到平衡，最终计算出逆转这种退化过程的概率。这项研究向我们展示了制造用于机器学习的硬件是完全可能的，具体到图像生成领域，它的能耗比现有的硬件低得多。虽然这一概念验证还处于初级阶段，但科学家们已经开始探索如何制造实现这一目标的硬件。两项近期的研究暗示了热力学计算的巨大潜力，但支持者也承认这项方案目前尚不成熟。据了解，世界上首款“热力学计算芯片”已于去年完成流片。与传统的电脑游戏计算不同，这种新的计算方式更接近量子计算或概率计算，它利用噪声和物理能量来解决问题。尽管这是一个巨大的挑战，但如果能够成功将AI图像生成能耗降低一百亿倍，那将是对当前人工智能发展和数据中心增长带来的能源压力的一次重大缓解。“热力学计算”可以超高效地模仿人工智能神经网络。一项最新的研究报告显示，“热力学计算”在理论上可以大幅降低人工智能生成图像的能耗，仅需目前流行工具的十亿分之一。根据IEEE Spectrum的报道，“热力学计算”可以把人工智能图像生成的能耗降低一百亿倍。斯蒂芬·怀特拉姆在1月20日发表的文章中详细阐述了这个过程可用于创建热力学计算机的方法。通过这种方法创建的热力学计算机可以用于生成一些手写数字的图像。虽然这是一个很大的挑战，但在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的压力的今天，“热力学计算”有望成为解决问题的一个重要突破口。虽然这是一个很大的挑战，“热力学计算”有望在未来取得突破性进展。