نظام جديد يهدف إلى حل مشكلة استهلاك الطاقة في الذكاء الاصطناعي

الكمبيوترات التي تعتمد على الذكاء الاصطناعي تتطلب قدرة كبيرة من الطاقة، وهذه المتطلبات تقريباً تتضاعف كل ثلاثة إلى أربعة أشهر. عندما يتعلق الأمر بمراكز البيانات السحابية، التي تستخدمها تطبيقات الذكاء الاصطناعي والتعلم الآلي، فإنها تستخدم أكثر من الطاقة الكهربائية في السنة من بعض البلدان الصغيرة. يحذر العديد من الباحثين من أن هذا النظام غير مستدام.

قدم فريق من هؤلاء الباحثين بقيادة جامعة واشنطن حلًا لمساعدة حل هذه المشكلة – أجهزة حاسوب بصرية جديدة للذكاء الاصطناعي والتعلم الآلي. هذه الأجهزة أسرع وأكثر كفاءة في استهلاك الطاقة من الإلكترونيات التقليدية. كما أنها تساعد على حل مشكلة “الضوضاء” التي تسببها الحوسبة البصرية، والتي يمكن أن تتداخل مع دقة الحوسبة.

نشرت الأبحاث في 21 يناير في Science Advances.

استخدام الضوضاء كمدخل

في ورقة البحث، أظهر الفريق كيف يمكن أن تستخدم نظام الحوسبة البصرية للذكاء الاصطناعي والتعلم الآلي بعض الضوضاء كمدخل لتعزيز الإنتاج الإبداعي للشبكة العصبية الاصطناعية (ANN) داخل النظام.

تشانغ مينغ وو هو طالب دكتوراه في الهندسة الكهربائية والحاسوب في جامعة واشنطن وكاتب رئيسي للورقة.

“لقد بنينا حاسوبًا بصريًا أسرع من الحاسوب الرقمي التقليدي،” قال وو. “وكذلك، يمكن لهذا الحاسوب البصري إنشاء أشياء جديدة بناءً على مدخلات عشوائية تم إنشاؤها من الضوضاء البصرية التي حاول معظم الباحثين تجنبها.”

تسبب ضوضاء الحوسبة البصرية بسبب جسيمات ضوء متباطنة، أو فوتونات. يتم إنتاج هذه الجسيمات بواسطة الليزرات داخل الجهاز والإشعاع الحراري الخلفي. من أجل استهداف الضوضاء، قام الفريق بتحويل نظام الحوسبة البصرية إلى شبكة عدوية توليدية (GAN). ثم قاموا بتحديد تقنيات مختلفة للتقليل من الضوضاء، مثل استخدام بعض الضوضاء المولدة كمدخلات عشوائية للGAN.

أمر الفريق GAN بتعلم كيفية كتابة الرقم “7” مثل الإنسان، مما يعني أنه كان عليه أن يتعلم المهمة من خلال مشاهدة عينات بصرية للكتابة اليدوية قبل ممارسةها مرارًا وتكرارًا. بسبب شكله، كان على الحاسوب البصري توليد صور رقمية لها نمط مشابه للعينات.

مو لي هو أستاذ في الهندسة الكهربائية والحاسوب في جامعة واشنطن وكاتب رئيسي للورقة.

“بدلاً من تدريب الشبكة على قراءة الأرقام المكتوبة يدوياً، قمنا بتدريب الشبكة على تعلم كتابة الأرقام، ومحاكاة العينات البصرية للكتابة اليدوية التي تم تدريبها عليها،” قال لي. “كما أظهرنا، مع مساعدة شركائنا في علوم الحاسوب في جامعة ديوك، أن GAN يمكن أن يخفف من التأثير السلبي للضوضاء في أجهزة الحوسبة البصرية من خلال استخدام خوارزمية تدريب قوية ضد الأخطاء والضوضاء. أكثر من ذلك، تستخدم الشبكة الضوضاء كمدخلات عشوائية مطلوبة لتوليد مثيلات الإخراج.”

随着 استمرار GAN في ممارسة كتابة الرقم، طور نمطه الخاص في الكتابة. وفي النهاية، كان قادرًا على كتابة الأرقام من 1 إلى 10 في محاكاة الحاسوب.

بناء جهاز أكبر

سيبحث الفريق الآن عن بناء الجهاز على نطاق أكبر من خلال استخدام تكنولوجيا تصنيع الشبكات الشبه موصلة الحالية، مما سيعزز الأداء وسيسمح للفريق بالقيام بمهمات أكثر تعقيدًا.

“تمثل هذه النظام البصري هيكلة لآلة حاسوب يمكن أن تعزز الإبداع في الشبكات العصبية الاصطناعية المستخدمة في الذكاء الاصطناعي والتعلم الآلي، ولكن أكثر من ذلك، يظهر إمكانية هذا النظام على نطاق كبير حيث يمكن التغلب على الضوضاء والأخطاء ويمكن حتى استغلالها،” قال لي. “تطبيقات الذكاء الاصطناعي تتطور بسرعة كبيرة لدرجة أن استهلاكها للطاقة في المستقبل سيكون غير مستدام. لهذا التكنولوجيا إمكانية مساعدة في تقليل استهلاك الطاقة، مما يجعل الذكاء الاصطناعي والتعلم الآلي مستدامين بيئيًا – وسريعًا جدًا، وتحقيق أداء أعلى بشكل عام.