Trong bối cảnh các trung tâm dữ liệu AI đang tiêu thụ lượng điện năng khổng lồ đe dọa trực tiếp đến mục tiêu khí hậu toàn cầu, một nhóm nghiên cứu tại Viện Công nghệ Massachusetts (MIT) đã công bố một giải pháp mang tính cách mạng mang tên "Neuromorphic Attention" (Chú ý phỏng sinh học).
Nghiên cứu được công bố trên tạp chí khoa học uy tín Nature hôm nay chỉ ra rằng, các mô hình ngôn ngữ lớn dựa trên kiến trúc Transformer hiện tại tiêu tốn quá nhiều năng lượng do phải liên tục tính toán mối quan hệ giữa tất cả các từ trong một văn bản dài. Ngược lại, bộ não con người hoạt động cực kỳ hiệu quả nhờ cơ chế chỉ tập trung vào một số vùng thông tin nhất định và tạm thời "tắt" các vùng không liên quan để tiết kiệm năng lượng.
Bằng cách mô phỏng cơ chế kích hoạt thưa thớt (sparse activation) này, thuật toán mới của MIT cho phép các mô hình AI chỉ kích hoạt các neuron thực sự cần thiết cho từng tác vụ hoặc từ ngữ cụ thể. Kết quả thử nghiệm thực tế trên các mô hình LLM quy mô lớn cho thấy, mô hình áp dụng Neuromorphic Attention giảm được tới 90% năng lượng tiêu thụ trong quá trình xử lý (inference) mà không hề làm suy giảm độ chính xác hay khả năng sáng tạo của kết quả đầu ra.
Phát hiện này được kỳ vọng sẽ mở đường cho việc tích hợp các mô hình AI siêu trí tuệ vào các thiết bị đeo thông minh, robot tự hành và các thiết bị IoT vốn có nguồn năng lượng pin hạn chế. Nhiều tập đoàn sản xuất chip bán dẫn hàng đầu thế giới đã bắt đầu bày tỏ sự quan tâm đặc biệt và mong muốn hợp tác để đưa kiến trúc này vào các thế hệ phần cứng chuyên dụng tiếp theo.