Mengapa Kebangkitan Semula Pengkomputeran Terner Berlaku dalam AI, Bukan CPU

Selama beberapa dekad, pengkomputeran terner—yang menggunakan tiga keadaan berbanding dua keadaan sistem binari—telah menjadi impian teori yang sering dianggap tidak praktikal. Walaupun visi komputer yang dibina secara asasnya atas ya, tidak, dan mungkin telah memikat ahli teknologi, satu revolusi senyap kini sedang berlaku di tempat yang mengejutkan: kecerdasan buatan. Komuniti sedang aktif berdebat sama ada idea niche ini akhirnya mendapat tempatnya, bukan dalam pengkomputeran tujuan umum, tetapi dalam dunia khusus pembelajaran mesin.

Daya Tarikan dan Halangan Kejuruteraan Tiga Keadaan

Daya tarikan falsafah logik terner tidak dapat dinafikan. Ia menawarkan perbendaharaan kata asas yang lebih kaya, bergerak melampaui pilihan binari mudah untuk memasukkan keadaan ketiga, yang sering ditafsirkan sebagai mungkin atau tidak peduli. Walau bagaimanapun, menterjemahkan konsep elegan ini ke dalam perkakasan fizikal telah terbukti sangat mencabar. Teras masalah terletak pada kestabilan. Komputer binari moden sangat cekap kerana ia dibina atas sistem dwistabil—komponen yang secara semula jadi mahu berada dalam satu daripada dua keadaan berbeza, seperti suis hidup/mati yang mudah. Mereka bentuk sistem tristabil yang boleh dipercayai, satu yang boleh mengekalkan tiga keadaan berasingan dengan bersih dan konsisten, adalah jauh lebih sukar.

Transistor umumnya berada pada tahap pembaziran kuasa statik terendah jika ia sama ada hidup sepenuhnya atau mati. Bahagian tengah analog adalah hebat jika anda cuba memproses nilai berterusan, tetapi kemudian anda akan dipaksa menggunakan arus pincang untuk bertahan di tengah... cip dengan berbilion-bilion transistor tidak boleh berfungsi dengan munasabah jika kebanyakannya dalam mod analog, ia hanya akan cair menjadi sanga.

Prinsip fizikal asas ini menerangkan mengapa binari mendominasi. Mencipta keadaan ketiga yang berbeza sering memerlukan peningkatan julat voltan, yang boleh menggandakan empat kali gunaan kuasa hanya untuk mengekalkan perbezaan yang jelas antara keadaan. Apabila transistor mengecil ke skala hampir atom, cabaran hanya meningkat, dengan kesan kuantum seperti terowongan elektron menjadikannya lebih sukar untuk mengekalkan sebarang keadaan dengan bersih. Walaupun eksperimen sejarah seperti komputer Soviet Setun membuktikan pengkomputeran ternari adalah mungkin, overhead kejuruteraan menjadikannya tidak kompetitif untuk kegunaan umum.

Konsep Utama Pengkomputeran Trinary

• Ternary/Ternary: Sistem nombor asas-3, berbanding dengan sistem binari asas-2.
• Trit: Unit maklumat asas dalam sistem ternary, setara dengan "bit" dalam binari.
• Ternary Quantization: Dalam AI, proses menghadkan pemberat model kepada tiga nilai: -1, 0, dan +1.
• BitNet b1.58: Contoh seni bina model bahasa besar moden yang menggunakan pemberat ternary.

Di Mana Terner Mencari Tapaknya: Pembelajaran Mesin

Walaupun impian untuk CPU terner tujuan umum masih jauh, seni bina ini sedang mencari aplikasi praktikal dan berkuasa dalam latihan model bahasa besar (LLM). Para penyelidik telah menemui bahawa banyak pemberat—nilai berangka yang diselaraskan oleh rangkaian neural semasa pembelajaran—dalam model yang berkebolehan boleh dipermudahkan secara drastik. Daripada nombor titik apung 32-bit berketepatan tinggi, pemberat ini sering boleh diwakili dengan nilai hanya -1, 0, dan +1.

Pendekatan ini, yang dikenali sebagai pengkuantitian terner, adalah asas untuk seni bina model baharu yang super cekap seperti BitNet b1.58. Manfaatnya adalah ketara. Model dengan pemberat terner adalah jauh lebih kecil, memerlukan kurang memori dan storan. Lebih penting lagi, pengiraan yang terlibat menjadi lebih mudah. Pendaraban dengan -1, 0, atau +1 boleh dikurangkan kepada penambahan, penolakan, atau melangkau operasi sama sekali, membawa kepada peningkatan besar dalam kecekapan pengiraan dan penggunaan kuasa yang lebih rendah. Ini menjadikan menjalankan model AI yang berkuasa pada perkakasan yang kurang berkuasa sebagai realiti yang ketara.

Cabaran Perisian Yang Besar dalam Dunia Terner

Perbincangan itu menekankan bahawa walaupun perkakasan ternari menjadi boleh dilaksanakan, ekosistem perisian membentangkan halangan yang monumental. Seluruh dunia digital kita dibina atas asas logik binari. Pemproses direka untuk memanipulasi nilai saiz kuasa dua dengan cekap. Bahasa pengaturcaraan kita, dari pemasangan ke Python, menganggap dunia binari. Integer, nombor titik apung, dan operasi Boolean yang paling mudah semuanya perlu difikirkan semula untuk mesin terner.

Bertukar kepada asas terner akan menjadikan pengetahuan kejuruteraan perisian selama beberapa dekad dan perpustakaan yang tidak terkira usang. Seperti yang dinyatakan oleh seorang pemberi komen, Operator Bitwise dalam terner menjadi pada asasnya mustahil untuk difikirkan oleh jurutera purata. Kata sepakat adalah bahawa kos membina semula seluruh infrastruktur digital kita dari bawah ke atas pada masa ini tidak dapat diatasi, terutamanya apabila manfaat untuk tugas tujuan umum masih belum terbukti.

Aplikasi Praktikal vs. Halangan Teoritikal

Masa Depan Adalah Hibrid, Bukan Terner

Perdebatan yang berterusan mencadangkan bahawa masa depan pengkomputeran bukanlah peralihan pukal dari binari ke terner. Sebaliknya, kita sedang bergerak ke arah persekitaran yang lebih hibrid dan khusus. Kita mungkin akan melihat CPU binari terus memerintah untuk tugas tujuan umum, manakala komponen khusus—seperti pemecut AI yang mengendalikan format nombor terner atau terkuantisasi lain secara asli—menjadi semakin biasa.

Ini sudah berlaku dalam bidang lain. Teknologi seperti storan kilat NAND QLC (yang menyimpan 4 bit setiap sel) dan isyarat PAM (Pulse Amplitude Modulation) dalam sambungan berkelajuan tinggi menunjukkan bahawa menggunakan pelbagai tahap voltan untuk penyimpanan dan penghantaran data padat adalah praktikal di mana ia masuk akal. Pengkomputeran terner mungkin tidak mengambil alih dunia, tetapi ia telah menemui niche yang sangat penting yang membantu membentuk masa depan kecerdasan buatan.

Kesimpulan

Impian pengkomputeran terner bukan lagi sekadar eksperimen pemikiran falsafah. Ia sedang aktif dihidupkan semula dan disahkan dalam bidang AI, di mana manfaat kecekapannya terlalu signifikan untuk diabaikan. Perbincangan komuniti mendedahkan laluan yang jelas ke hadapan: peranan terner bukan untuk menggantikan binari, tetapi untuk melengkapinya, membolehkan generasi baharu pemproses khusus yang berkuasa dan cekap yang akan menggerakkan aplikasi AI esok.

Nota: Terner merujuk kepada sistem nombor asas-3, menggunakan tiga keadaan berbeza (sering -1, 0, +1).

Rujukan: Impian terner kekal