Neurony zamiast krzemu – czy to może zmienić przyszłość sztucznej inteligencji?
Gdy zachwycamy się kolejnymi osiągnięciami dużych modeli językowych, rzadziej myślimy o „rachunku za prąd”. A jest on niemały: trening najnowocześniejszych systemów AI wymaga ogromnych mocy obliczeniowych, tysięcy procesorów i gigantycznych centrów danych. Wraz ze wzrostem liczby parametrów modeli rosną też koszty energetyczne i finansowe. Naukowcy coraz częściej zadają więc pytanie: czy da się liczyć inaczej — szybciej, oszczędniej i bardziej „inteligentnie” z natury?