Standardní hardwarové nedostatky pro umělou inteligenci

Schopnost vytvořit modulární systém má značné výhody, zejména v podnikání. Možnost vyjmout a vyměnit jednotlivé součásti udržuje nízké náklady a zároveň umožňuje postupné zlepšování rychlosti i efektivity. Nicméně, stejně jako u většiny věcí, neexistuje žádný oběd zdarma. Modularita poskytovaná architekturou Von Neumann má několik vážných nedostatků:

• Von Neumannovo úzké místo: Ze všech nedostatků je Von Neumannovo úzké místo nejzávažnější při zvažování požadavků oborů, jako je AI, strojové učení a dokonce i datová věda.
• Jednotlivé body selhání: Jakákoli ztráta spojení se sběrnicí nutně znamená, že počítač selže okamžitě, nikoli elegantně. I v systémech s více procesory ztráta jednoho procesu, který by měl jednoduše způsobit ztrátu schopnosti, místo toho způsobí úplné selhání systému. Stejný problém nastává při ztrátě dalších součástí systému: Místo omezení funkčnosti selže celý systém. Vzhledem k tomu, že umělá inteligence často vyžaduje nepřetržitý provoz systému, možnost vážných následků eskaluje se způsobem, jakým se aplikace spoléhá na hardware.
• Jednostrannost: Sběrnice Von Neumann může buď načíst instrukci, nebo načíst data potřebná k provedení instrukce, ale nedokáže obojí. V důsledku toho, když získávání dat vyžaduje několik cyklů sběrnice, procesor zůstává nečinný, což ještě více snižuje jeho schopnost provádět úkoly AI náročné na instrukce.
• Úkoly: Když mozek provádí úkol, spustí se několik synapsí najednou, což umožňuje současné provádění více operací. Původní Von Neumannův návrh umožňoval pouze jednu operaci najednou, a to až poté, co systém získal požadovanou instrukci i data. Počítače dnes obvykle mají více jader, která umožňují současné provádění operací v každém jádru. Kód aplikace však musí tento požadavek konkrétně řešit, takže funkce často zůstává nevyužita.