アナログマイクロチップはAIの権力欲を治す特効薬だ

ビジュアルスペース / iStock

購読すると、当社の利用規約とポリシーに同意したものとみなされます。いつでも購読を解除できます。

以前は、アナログ チップがコンピューティングを支配し、連続した値の範囲で動作していました。 アナログ コンピューティングは、今日の標準と比較すると時代遅れに見え、デジタル チップの精度や適応性に欠けているように見えますが、高度な AI などの分野では復活を遂げています。 しかし、それらは何であり、どのように役立つのでしょうか?

確認してみましょう。

アナログ チップ、またはアナログ集積回路 (IC) またはデバイスは、アナログ信号を処理および操作する半導体デバイスです。 アナログ信号は、音、温度、圧力、光などの実世界の現象を表す連続的な時間変化する電気信号です。 これらのチップは、家庭用電化製品、電気通信、自動車システム、産業オートメーションなどの多くのアプリケーションで使用されています。

別の言い方をすれば、 アナログチップは脳の細胞とある程度似た働きをします。 1 と 0 を使用して情報を処理するデジタル チップとは異なり、アナログ チップは、スムーズに調整できる調光スイッチのように、連続した範囲の値を処理します。

アナログ チップは、離散的なバイナリ信号 (0 と 1) を処理するデジタル チップとは対照的に、連続信号を処理できるという特徴があります。 アナログ チップの基本コンポーネントには、トランジスタ、コンデンサ、抵抗器、ダイオードが含まれており、これらが相互接続されて、増幅、フィルタリング、信号変換などの特定の回路機能を作成します。 このため、アナログ チップは自然界とデジタル領域の間のシームレスな相互作用を可能にし、私たちの電子システムの効率性、信頼性、多用途性を確保します。

デジタル技術の普及が進んでいるにもかかわらず、アナログ チップは、現実世界の信号を処理する独自の能力により、依然として不可欠なものです。 アナログ回路とデジタル回路を単一チップ上に組み合わせたミックスシグナル IC の開発により、アナログ設計と専門知識の重要性がさらに高まっています。 この統合により、よりコンパクトで効率的、かつコスト効率の高い電子システムが可能になり、多くの分野で革新が促進されます。

最も一般的なタイプのアナログ チップの 1 つは、オペアンプ (オペアンプ) です。 オペアンプは、信号の増幅、フィルタリング、数学的演算などのさまざまな機能を実行する多用途のコンポーネントです。 これらは、オーディオ機器から医療機器に至るまで、多くの電子システムに不可欠です。

テラボルト/ウィキメディア・コモンズ

アナログ チップの他の注目すべき例としては、アナログ - デジタル コンバーター (ADC) とデジタル - アナログ コンバーター (DAC) があります。 これらのチップは、連続アナログ信号を離散デジタル データに、またはその逆に変換し、アナログ ドメインとデジタル ドメイン間の通信を可能にします。 ADC と DAC は、デジタル信号処理、データ収集、デジタル オーディオおよびビデオ システムの変換において重要です。

電圧レギュレータは、もう 1 つの重要なタイプのアナログ チップです。 さまざまな電子回路に安定した電圧レベルを提供し、システムが確実かつ効率的に動作することを保証します。 電圧レギュレータは、電源やバッテリ充電器から自動車エレクトロニクスや再生可能エネルギー システムに至るまで、さまざまなアプリケーションで使用されています。

アナログ チップは、センサー インターフェイス、無線周波数 (RF) 回路、電源管理 IC など、特定のアプリケーションに合わせて調整された特殊なデバイスでも大きく機能します。 センサー インターフェイスにより、温度、圧力、光センサーなどのセンサーによって生成された信号の処理と変換が可能になります。 無線周波数回路は、携帯電話、Wi-Fi ルーター、衛星システムでの無線通信を容易にします。 一方、電源管理 IC は、電子システム内の電力を調整および分配し、エネルギー消費を最適化し、バッテリー寿命を延ばします。

アナログ マイクロチップとデジタル マイクロチップは、機能、信号処理、アプリケーション領域が異なります。最も重要な違いの 1 つは、各種類のチップで信号処理がどのように行われるかです。 アナログ マイクロチップは、音、温度、光などの現実世界の現象を表す、時間とともに変化する連続的な電気信号を処理します。 対照的に、デジタル マイクロチップは、0 と 1 で表される離散的なバイナリ信号を処理します。 これらのバイナリ信号は、デジタル システムで論理演算および算術演算を実行します。

もう 1 つの注目すべき違いは、アナログ マイクロチップが信号の増幅、フィルタリング、変換などの特定の機能を処理するように設計されていることです。 アナログ マイクロチップの例には、オペアンプ、アナログ/デジタル コンバータ、電圧レギュレータなどがあります。 一方、デジタル マイクロチップは、バイナリ データに基づいて複雑な論理演算と算術演算を実行できます。 デジタル マイクロチップの例には、マイクロプロセッサ、マイクロコントローラー、メモリ チップなどがあります。

継続的な信号処理や制御を必要とするアプリケーションは、オーディオ機器、センサー インターフェイス、電源管理システムなどに使用されるアナログ マイクロチップに依存します。 コンピューター、スマートフォン、デジタル通信システムに見られるように、データの処理、保存、通信にはデジタル マイクロチップが不可欠です。

回路コンポーネントも違いをもたらします。 アナログ マイクロチップは、トランジスタ、コンデンサ、抵抗器、ダイオードなどの基本コンポーネントで構成されており、これらが相互接続されて特定の回路機能を作成します。 一方、デジタル マイクロチップは、トランジスタで構築されたデジタル ロジック ゲートで構成され、フリップフロップ、レジスタ、算術論理ユニットなどのより複雑な構造に編成されます。

ノイズの影響を受けやすいことも区別する要素です。 アナログ マイクロチップは、信号レベルの小さな変動でもシステム全体のパフォーマンスに影響を与える可能性があるため、「ノイズ」（電圧の小さな望ましくない変動）や信号劣化の影響を受けやすくなります。 デジタル マイクロチップは個別の電圧レベルで動作するため、ノイズの影響を受けにくく、0 と 1 を区別しやすくなります。 ただし、混合信号システムでは、アナログからデジタル、およびデジタルからアナログへの変換プロセスにより、ノイズや量子化エラーが発生する可能性があります。

アンジェイ・バラバス/ウィキメディア・コモンズ

今日の AI は主に、2 つの長方形の数値配列を乗算する行列乗算の数学演算を使用して動作します。 これは、情報が人工の脳細胞またはニューロン間を移動するときに発生します。 迅速な意思決定を行うには、多くの「人工ニューロン」が他の多くのニューロンに同時にデータを送信する必要があります。 これは大規模で複雑なプロセスです。 このため、これらの高速で大規模なプロセスを処理するために作られたグラフィックス プロセッシング ユニット (GPU) は、現在 AI 開発で広く使用されています。 強力な GPU と特殊な AI チップにより、数千の GPU で処理される大量の仮想ニューロンを含む、より大規模なニューラル ネットワークを作成できます。 これはAIの研究やAIの能力の向上にとっては素晴らしいことですが、いくつかの問題もあります。

今日の GPU には、大量の電力を消費し、大量の熱を発生する小さなトランジスタが数十億個搭載されています。 1 つの AI をトレーニングするために何千もの GPU が消費する電力と熱、および機器を冷却するために必要な電力を考えてみましょう。 それは1年間に数軒の住宅よりも多くの電力を使用するようなものであり、多くのスペースを必要とします。

実際、環境保護活動家などは、AI がすでに環境に多大な影響を及ぼしており、普及が進めばその影響はさらに大きくなると頻繁に指摘しています。 たった 1 つの AI モデルをトレーニングするだけでも、製造を含む 5 台の自動車の生涯生産量とほぼ同じ環境影響があると推定されています。

AI がその仕事を実行する準備ができたとしても、AI が生み出すすべての電力と熱を備えた大型の GPU が必要です。 これにより、電力と熱をすべて入れる余地がほとんどないカメラやロボットなどの小型デバイスに AI を組み込むことがさらに困難になります。

ここでアナログチップが役立ちます。 一部の領域ではデジタル チップよりも能力が劣りますが、アナログ チップは高速で、大きな数値グループの乗算など 1 つのタスクだけを行う場合には消費電力が少なくなります。 このため、デジタルチップの良い競争相手となっています。 特殊なアナログ AI チップの消費電力は 10 ワット未満ですが、GPU は同じものに 100 ワット以上を消費します。 これは、工場ラインの AI 搭載カメラのように、電力と熱が重要な小型デバイスに AI を組み込むことができることを意味します。このカメラは、大量のデータを別のシステムに送信して応答を待つことなく部品を認識できます。

AI が行うあらゆる動作において、特に人と協力したり情報を取得したりする場合、アナログ チップがデジタル チップに取って代わることはできません。 しかし、両方のタイプのチップの最良の部分を組み合わせることで、ハイテク製品だけでなく、世界中の家庭や工場のスマートデバイスでも AI をさらに改善できる可能性があります。

そうは言っても、一部の企業はこの分野で大きな進歩を遂げています。 Innatera、Rain Neuromorphic などのハードウェア新興企業は、AI コンピューティング用の脳機能を模倣するニューロモーフィック回路を備えたアナログ チップを作成しています。 脳は、生の感覚データを取り込む方法において本質的にアナログであり、これらのチップメーカーは、従来のアナログ回路を使用してニューロンとシナプスがどのように機能するかを再現することを目指しています。 Tirias Research のアナリスト Kevin Krewell 氏は、アナログ チップは低電力センシング デバイス、特に音響および視覚アプリケーションに特に適していると指摘しました。

AI と機械学習は主にデジタル チップに依存していますが、クラウドにデータを送信する必要がなく、瞬時のインテリジェンスを必要とするスマートフォンや自動車などのエッジにもアナログ チップの余地があります。 Innatera の第 3 世代 AI チップには 256 個のニューロンと 65,000 個のシナプスがあり、1 ミリワット未満で推論を実行します。 このチップは、デバイス上に低レベルの学習と推論を組み込むことを目的として、顧客がレーダーおよびオーディオ アプリケーションを実行するために使用されます。

Innatera のチップはセンサーから情報を取得してスパイクに変換し、スパイクがいつ発生したかに基づいてコンテンツをエンコードします。 このチップは、人工ニューロンに出入りする電流をスケーリングすることで脳を模倣します。 目標は、クラウドへの AI フローを中断することではなく、現在デバイス上で意思決定を行うことができないエッジ上の AI チップを置き換えることです。 このチップは、アナログ信号をスパイクに変換することにより、アナログ信号をデジタルに変換するプロセスを削減します。

アナログ回路には、デジタル回路のように拡張が難しいことや、システムの他の部分とやり取りするためにデジタルへの変換が必要であることなどの制限があります。 これらの課題にもかかわらず、ニューロモーフィック チップは、クラウド上の AI と比較して、より優れた電力効率でオンデバイス インテリジェンスを提供する可能性を秘めています。

それが今日のあなたの運命です。

デジタル チップは、市場で断然最も支配的な形式ですが、AI のようなコンピューティング パワーを大量に消費するプロセスが社会に普及する場合、その高いエネルギー消費 (および発熱) が大きな制限要因となります。 単純またはより複雑な AI アルゴリズムをアナログ チップ上にハードコーディング (つまり印刷) することにより、治療法となる可能性があります。