一份令人脑洞大开的新报告声称，从理论上讲，“热力学计算”可以将人工智能生成图像所消耗的能源大幅降低至当前流行工具的百亿分之一。据《IEEE Spectrum》报道，最近的两项研究暗示了这项新兴技术的潜力，但其支持者承认该解决方案尚处于初级阶段。
报告称，劳伦斯伯克利国家实验室的科学家斯蒂芬·维瑟拉姆（Stephen Withelam）声称，热力学计算可用于人工智能图像生成，“其能源成本远低于当前数字硬件所能达到的水平”。在1月10日由维瑟拉姆及其伯克利同事科内尔·卡塞特（Corneel Casert）发表的一篇文章中，两人概述了如何“创建一个热力学版本的神经网络”，为利用热力学计算生成图像奠定了基础。
全球首款“热力学计算芯片”已于去年完成流片。与传统的游戏PC相比，热力学计算更类似于量子计算或概率计算，它利用噪声和物理能量来解决问题。
根据报告描述，热力学计算机会被给予一组图像，然后让图像自然退化。这种自然的随机相互作用会持续进行，直到计算机各组件之间达到平衡状态。随后，计算机会计算逆转这种退化过程的概率，并调整参数值以使这种逆转尽可能发生。
维瑟拉姆随后在1月20日的《物理评论快报》上发表了一篇文章，详细阐述了这一过程可用于创建一种热力学计算机，该计算机能够生成一些手写数字的图像。
当然，这与谷歌Gemini的Nano Banana Pro或你能想到的任何其他人工智能图像生成器所具备的强大图像生成能力相比，还有很长的路要走。然而，它作为一个概念验证，表明有朝一日热力学计算或许能用于人工智能图像生成。
“这项研究表明，制造用于执行某些类型机器学习的硬件是可能的，”维瑟拉姆告诉《IEEE Spectrum》。具体来说，“就是图像生成——其能源成本远低于我们目前的水平。”鉴于这一概念验证还非常初级，维瑟拉姆警告说，要开发出能与主流选项相媲美的热力学图像生成技术，还有很长的路要走。“我们尚不知道如何设计一台在图像生成方面能与DALL-E相媲美的热力学计算机，”据报道他说，“仍然需要研究如何构建实现这一目标的硬件。”
这是一个相当重要的发现。在一个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压力的世界里，一种未来能将人工智能图像生成能耗降低百亿倍的技术，无疑将是一项重大突破。
