Jelenleg a mesterséges intelligencia alapvető technológiai fejlesztése sem áll meg. A DARPA (Defense Advanced Research Projects Agency) úgy döntött, hogy 18,6 millió USD-t fektet a Princeton University kutatásába, amely az AI chipek miniatürizálásának innovációival foglalkozik. Ezeket a chipeket ma elsősorban adatközponti környezetekre tervezik, míg a princetoni kutatás a skálázhatóság és hatékonyság terén keres áttörést, ami lehetővé tenné a nagy teljesítményű AI integrálását hordozható eszközökbe, de repülőgépekbe és űrhajókba is.
Két alapvető probléma vár megoldásra: egyrészt a számítások általános hatékonysága, amelyek ma túl sok energiát igényelnek, és ezáltal nagy teljesítményű hűtésre is szükség van, másrészt a processzorok és a memória közötti szűk keresztmetszet (bottleneck), amelyen hatalmas adatmennyiségeket kell átvinni. A megoldás a nyolcvanéves paradigma elhagyásában rejlik, amelyben a memória el van választva a számítási magtól (core), és egy új típusú memória létrehozásában, amely maga is képes számításokat végezni (in-memory compute).
Ezek a számítások viszonylag egyszerűek, de nélkülözhetetlenek a nagy neurális modellek következtetési folyamataihoz – jellemzően egyszerű műveleteket foglalnak magukban az úgynevezett ritka mátrixokon (olyan mátrixokon, ahol az értékek többsége nulla). Ahelyett, hogy a processzor folyamatosan betöltené az adatokat, elvégezné rajtuk a műveleteket, majd újra elmentené őket, utasítja a memóriát, hogy maga hajtsa végre a műveletet az adott tartományban lévő adatokon – így semmit sem kell betölteni vagy elmenteni.
Ez a speciális memóriatípus konstrukciójában összetettebb és lényegesen drágább, mint a hagyományos memóriák, amelyek a jelenlegi programokhoz elegendőek. A mesterséges intelligencia esetében azonban a szűk keresztmetszet olyan alapvető probléma, hogy hatékonyabb teljesen megváltoztatni az adatkezelés megközelítését. Ennek a memóriatípusnak a megnövekedett komplexitása felveti a kérdést, hogy érdemes-e az információkat ilyen típusú memóriában digitális formában tárolni, amikor az analóg megoldások lényegesen egyszerűbbek lennének – és az adott célokra kellően pontosak is.
A DARPA befektetései olyan területekre irányulnak, amelyek egyelőre távol állnak a gyakorlati alkalmazástól, az ügynökség mégis érdekesnek és perspektivikusnak tartja őket a jövő és az amerikai védelmi képesség megőrzése szempontjából. Egyelőre nem világos, hogy a mesterséges intelligencia visszatér-e az analóg technológiákhoz, vagy legalább részben hasznosítja-e azokat, de teljesen nyilvánvaló, hogy az MI-technológiák fejlesztésére irányuló törekvés közép- és hosszú távon egyértelmű prioritás a DARPA számára.
