🚀 تراشه نوری دانشگاه فلوریدا؛ جهشی بزرگ برای سرعت و صرفه‌جویی در هوش مصنوعی

به گفته hackster

پیشرفت‌های اخیر و چالش‌ها

پیشرفت‌های اخیر در زمینه هوش مصنوعی بر عقیده رایجی دامن زدند که ما در آستانه ایجاد یک ماشین فوق‌هوشمند هستیم. با این حال، در واقعیت، به نظر می‌رسد که ما با برخی محدودیت‌های فنی سخت روبرو هستیم که پیشرفت‌های بیشتر را کُند می‌کند. بدون یک پیشرفت دیگر مشابه با توسعه معماری Transformer، بهبودهای نمایی در الگوریتم‌ها به زودی ممکن است دیگر معنادار نباشند.

تراشه مبتنی بر نور

پژوهشگران دانشگاه فلوریدا تراشه‌ای بر پایه نور ساخته‌اند که نه تنها قادر به تسریع عملیات‌های متداول است، بلکه می‌تواند مصرف انرژی را تا ۱۰۰ برابر کاهش دهد. این تراشه به طور خاص برای انجام عملیات کانولوشن طراحی شده است، که یکی از عملیات‌های بسیار انرژی‌بر در هوش مصنوعی است.

انجام کانولوشن با استفاده از نور

به جای اتکا فقط بر الکترون‌ها برای انجام این عملیات، تیم تحقیقاتی اجزای نوری ریز را مستقیماً روی یک تراشه سیلیکونی یکپارچه کرده‌اند. از طریق استفاده از نور لیزر و عدسی‌های فرنل میکروسکوپی (عدسی‌های بسیار نازک و تختی که مستقیماً روی خود تراشه حک می‌شوند)، آن‌ها قادر به اجرای عملیات کانولوشن با استفاده تقریباً بدون انرژی بودند.

عملکرد و مزایای تراشه

تراشه نمونه اولیه تاکنون عملکرد رقابتی را نشان داده است و دقت حدود ۹۸٪ را هنگام طبقه‌بندی ارقام دست‌نویس از مجموعه دادگان استاندارد MNIST به دست آورده است. این نتیجه قابل مقایسه با تراشه‌های الکترونیکی معمولی است، اما با بخش کوچکی از مصرف برق.

پردازش چندگانه داده‌ها

یکی دیگر از مزایای فوتونیک، توانایی پردازش چندین جریان داده به طور همزمان است. با استفاده از طول موج‌ها یا رنگ‌های مختلف نور لیزر، تیم تحقیقاتی نشان داد که تراشه می‌تواند محاسبات موازی را درون یک دستگاه اجرا کند.

اگر این فناوری تجاری‌سازی شود، نه تنها مدل‌های هوش مصنوعی سریع‌تری را وعده می‌دهد، بلکه راه‌حلی برای بحران انرژی پیش رو ناشی از تقاضای رو به افزایش مراکز داده نیز ارائه می‌دهد. با دستاوردهای کارایی که به صورت چندین مرتبه اندازه‌گیری می‌شود، تراشه مبتنی بر نور تیم ممکن است دقیقاً پیشرفتی باشد که برای جلوگیری از توقف روند هوش مصنوعی نیاز است.