Minh Nguyệt
Intern Writer
Chào các bạn, dạo gần đây mình thấy các công cụ AI tạo ảnh như DALL-E, Midjourney hay Stable Diffusion đang làm mưa làm gió, tạo ra những bức hình chân thực đến kinh ngạc. Tuy nhiên, có một vấn đề ít ai nhắc đến là chúng ngốn năng lượng khủng khiếp. May mắn thay, một nghiên cứu mới đã mang đến tia hy vọng: công nghệ điện toán nhiệt động (thermodynamic computing) có thể giúp tạo ảnh với mức năng lượng chỉ bằng một phần mười tỷ so với hiện tại. Nghe có vẻ khó tin đúng không nào?
Thực ra, trái tim của nhiều công cụ AI tạo ảnh hiện nay là các thuật toán học máy gọi là mô hình khuếch tán (diffusion models). Các lập trình viên sẽ "dạy" cho mô hình bằng cách cung cấp một lượng lớn hình ảnh, sau đó từ từ thêm nhiễu vào chúng cho đến khi chúng trông giống như màn hình TV cũ bị mất sóng vậy. Tiếp theo, họ huấn luyện các mạng thần kinh để đảo ngược quá trình này, từ đó cho phép mô hình khuếch tán tạo ra những hình ảnh hoàn toàn mới chỉ từ một vài gợi ý. Nhưng chính những phép tính kỹ thuật số phức tạp để thêm nhiễu rồi lại "biến" nhiễu thành hình ảnh này lại tiêu tốn rất nhiều năng lượng.
Giờ đây, một kỹ thuật mới mang tên điện toán nhiệt động có thể tạo ra hình ảnh với chi phí năng lượng thấp hơn nhiều so với phần cứng kỹ thuật số hiện tại. Đây là nhận định của Stephen Whitelam, một nhà khoa học tại Phòng thí nghiệm Quốc gia Lawrence Berkeley ở California.
Điện toán nhiệt động sử dụng các mạch vật lý thay đổi theo nhiễu, ví dụ như những dao động nhiệt ngẫu nhiên trong môi trường, để thực hiện các phép tính với năng lượng thấp. Mình lấy ví dụ nhé, một con chip thử nghiệm từ startup Normal Computing ở New York bao gồm tám bộ cộng hưởng (resonators) được kết nối với nhau qua các bộ ghép đặc biệt. Các lập trình viên sẽ dùng những bộ ghép này để tạo ra một dạng máy tính tùy chỉnh cho vấn đề họ muốn nghiên cứu. Sau đó, họ "gảy" các bộ cộng hưởng, tạo ra nhiễu trong mạng lưới kết nối, và phép tính sẽ được thực hiện. Khi hệ thống đạt đến trạng thái cân bằng, họ có thể đọc được kết quả từ cấu hình mới của các bộ cộng hưởng.
Vào ngày 10 tháng 1 vừa qua, trong một bài báo trên tạp chí Nature Communications, Whitelam và đồng nghiệp đã tiết lộ rằng họ có thể tạo ra một phiên bản nhiệt động của mạng thần kinh. Điều này mở ra một hướng đi mới cho việc tạo ảnh bằng điện toán nhiệt động.
Chiến lược mới của Whitelam là cung cấp cho máy tính nhiệt động một tập hợp hình ảnh. Kỹ thuật này sau đó sẽ cho phép những hình ảnh được lưu trữ "xuống cấp" bằng cách để các tương tác ngẫu nhiên tự nhiên giữa các thành phần của máy tính diễn ra cho đến khi các mối nối liên kết các thành phần này tự nhiên đạt đến trạng thái cân bằng. Tiếp theo, chiến lược sẽ tính toán xác suất mà một máy tính nhiệt động với trạng thái nối nhất định có thể đảo ngược quá trình xuống cấp đó. Sau đó, nó sẽ điều chỉnh các giá trị của các mối nối này để tối đa hóa xác suất đó.
Trong các mô phỏng chạy trên máy tính thông thường, được công bố vào ngày 20 tháng 1 trên tạp chí Physical Review Letters, Whitelam đã phát hiện ra rằng quá trình huấn luyện này có thể dẫn đến một máy tính nhiệt động có thể tạo ra hình ảnh các chữ số viết tay. Điều đặc biệt là nó có thể làm được điều này mà không cần đến các mạng thần kinh kỹ thuật số tốn nhiều năng lượng hay bộ tạo số giả ngẫu nhiên để tạo nhiễu.
Whitelam chia sẻ rằng nghiên cứu này cho thấy chúng ta hoàn toàn có thể tạo ra phần cứng để thực hiện một số loại học máy, cụ thể là tạo ảnh, với chi phí năng lượng thấp hơn đáng kể so với hiện tại.
Tuy nhiên, Whitelam cũng thận trọng cho biết máy tính nhiệt động hiện tại vẫn còn rất sơ khai so với các mạng thần kinh kỹ thuật số. Chúng ta vẫn chưa biết cách thiết kế một máy tính nhiệt động có thể tạo ảnh tốt như DALL-E chẳng hạn. Việc xây dựng phần cứng để hiện thực hóa điều này vẫn còn là một thách thức lớn. Mặc dù ông tính toán rằng máy tính nhiệt động có thể có lợi thế rất lớn về hiệu quả năng lượng so với máy tính thông thường, nhưng việc xây dựng một máy tính nhiệt động có thể tận dụng được tất cả lợi thế đó sẽ rất khó khăn. Có lẽ các thiết kế trong tương lai gần sẽ là sự kết hợp giữa lý tưởng đó và mức tiêu thụ điện năng kỹ thuật số hiện tại.
Thực ra, trái tim của nhiều công cụ AI tạo ảnh hiện nay là các thuật toán học máy gọi là mô hình khuếch tán (diffusion models). Các lập trình viên sẽ "dạy" cho mô hình bằng cách cung cấp một lượng lớn hình ảnh, sau đó từ từ thêm nhiễu vào chúng cho đến khi chúng trông giống như màn hình TV cũ bị mất sóng vậy. Tiếp theo, họ huấn luyện các mạng thần kinh để đảo ngược quá trình này, từ đó cho phép mô hình khuếch tán tạo ra những hình ảnh hoàn toàn mới chỉ từ một vài gợi ý. Nhưng chính những phép tính kỹ thuật số phức tạp để thêm nhiễu rồi lại "biến" nhiễu thành hình ảnh này lại tiêu tốn rất nhiều năng lượng.
Giờ đây, một kỹ thuật mới mang tên điện toán nhiệt động có thể tạo ra hình ảnh với chi phí năng lượng thấp hơn nhiều so với phần cứng kỹ thuật số hiện tại. Đây là nhận định của Stephen Whitelam, một nhà khoa học tại Phòng thí nghiệm Quốc gia Lawrence Berkeley ở California.
Điện toán nhiệt động sử dụng các mạch vật lý thay đổi theo nhiễu, ví dụ như những dao động nhiệt ngẫu nhiên trong môi trường, để thực hiện các phép tính với năng lượng thấp. Mình lấy ví dụ nhé, một con chip thử nghiệm từ startup Normal Computing ở New York bao gồm tám bộ cộng hưởng (resonators) được kết nối với nhau qua các bộ ghép đặc biệt. Các lập trình viên sẽ dùng những bộ ghép này để tạo ra một dạng máy tính tùy chỉnh cho vấn đề họ muốn nghiên cứu. Sau đó, họ "gảy" các bộ cộng hưởng, tạo ra nhiễu trong mạng lưới kết nối, và phép tính sẽ được thực hiện. Khi hệ thống đạt đến trạng thái cân bằng, họ có thể đọc được kết quả từ cấu hình mới của các bộ cộng hưởng.
Vào ngày 10 tháng 1 vừa qua, trong một bài báo trên tạp chí Nature Communications, Whitelam và đồng nghiệp đã tiết lộ rằng họ có thể tạo ra một phiên bản nhiệt động của mạng thần kinh. Điều này mở ra một hướng đi mới cho việc tạo ảnh bằng điện toán nhiệt động.
Chiến lược mới của Whitelam là cung cấp cho máy tính nhiệt động một tập hợp hình ảnh. Kỹ thuật này sau đó sẽ cho phép những hình ảnh được lưu trữ "xuống cấp" bằng cách để các tương tác ngẫu nhiên tự nhiên giữa các thành phần của máy tính diễn ra cho đến khi các mối nối liên kết các thành phần này tự nhiên đạt đến trạng thái cân bằng. Tiếp theo, chiến lược sẽ tính toán xác suất mà một máy tính nhiệt động với trạng thái nối nhất định có thể đảo ngược quá trình xuống cấp đó. Sau đó, nó sẽ điều chỉnh các giá trị của các mối nối này để tối đa hóa xác suất đó.
Trong các mô phỏng chạy trên máy tính thông thường, được công bố vào ngày 20 tháng 1 trên tạp chí Physical Review Letters, Whitelam đã phát hiện ra rằng quá trình huấn luyện này có thể dẫn đến một máy tính nhiệt động có thể tạo ra hình ảnh các chữ số viết tay. Điều đặc biệt là nó có thể làm được điều này mà không cần đến các mạng thần kinh kỹ thuật số tốn nhiều năng lượng hay bộ tạo số giả ngẫu nhiên để tạo nhiễu.
Whitelam chia sẻ rằng nghiên cứu này cho thấy chúng ta hoàn toàn có thể tạo ra phần cứng để thực hiện một số loại học máy, cụ thể là tạo ảnh, với chi phí năng lượng thấp hơn đáng kể so với hiện tại.
Tuy nhiên, Whitelam cũng thận trọng cho biết máy tính nhiệt động hiện tại vẫn còn rất sơ khai so với các mạng thần kinh kỹ thuật số. Chúng ta vẫn chưa biết cách thiết kế một máy tính nhiệt động có thể tạo ảnh tốt như DALL-E chẳng hạn. Việc xây dựng phần cứng để hiện thực hóa điều này vẫn còn là một thách thức lớn. Mặc dù ông tính toán rằng máy tính nhiệt động có thể có lợi thế rất lớn về hiệu quả năng lượng so với máy tính thông thường, nhưng việc xây dựng một máy tính nhiệt động có thể tận dụng được tất cả lợi thế đó sẽ rất khó khăn. Có lẽ các thiết kế trong tương lai gần sẽ là sự kết hợp giữa lý tưởng đó và mức tiêu thụ điện năng kỹ thuật số hiện tại.
