Nový systém řeší problém spotřební energie umělé inteligence

Počítače, které spoléhají na umělou inteligenci (AI), vyžadují大量 energií, a tato výpočetní náročnost se zhruba zdvojnásobuje každých tři až čtyři měsíce. Pokud jde o cloud-computing datové centrum, které využívají AI a strojové učení, spotřebovávají více elektrické energie ročně než některé malé země. Mnozí výzkumníci varují, že tento systém je neudržitelný.

Tým výzkumníků vedený Washingtonskou univerzitou přišel s řešením, které může pomoci vyřešit tento problém – novým optickým hardwarem pro AI a strojové učení. Tento hardware je rychlejší a mnohem více energeticky efektivní než konvenční elektronika. Také pomáhá vyřešit “šum”, který je způsoben optickým počítačem, který může interferovat s přesností výpočtů.

Výzkum byl zveřejněn 21. ledna v Science Advances.

Použití šumu jako vstupu

Ve výzkumné práci tým ukázal, jak optický počítačový systém pro AI a strojové učení může použít část šumu jako vstup pro zlepšení kreativního výstupu umělé neuronové sítě (ANN) v systému.

Changming Wu je doktorand na washingtonské univerzitě v oboru elektrotechniky a počítačového inženýrství a hlavní autor článku.

“Postavili jsme optický počítač, který je rychlejší než konvenční digitální počítač,” řekl Wu. “A také, tento optický počítač může vytvářet nové věci na základě náhodných vstupů generovaných z optického šumu, který většina výzkumníků se snažila vyhnout.”

Optický počítačový šum je způsoben rozptýlenými světelnými částicemi, nebo fotony. Tyto jsou produkovány lasery v zařízení a pozadí tepelného záření. Za účelem cílení na šum, tým připojil svůj optický počítačový jádro k generativní adversativní síti (GAN). Poté otestovali různé techniky zmírnění šumu, jako je použití části generovaného šumu jako náhodných vstupů pro GAN.

Tým řekl GAN, aby se naučil psát ručně číslo “7” jako člověk, což znamenalo, že musel se naučit úkol pozorováním vizuálních vzorků ručního písma před opakovaným cvičením. Kvůli jeho formě, optický počítač musel generovat digitální obrázky, které měly podobný styl jako vzorky.

Mo Li je profesor na washingtonské univerzitě v oboru elektrotechniky a počítačového inženýrství a hlavní autor článku.

“Místo toho, aby jsme trénovali síť, aby četla ručně psaná čísla, jsme trénovali síť, aby se naučila psát čísla, napodobujícím vizuální vzorky ručního písma, na které byla trénována,” řekl Li. “S pomocí našich spolupracovníků z Dukeovy univerzity jsme také ukázali, že GAN může zmírnit negativní dopad optického počítačového hardwaru šumu pomocí trénovacího algoritmu, který je odolný vůči chybám a šumu. Více než to, síť skutečně používá šum jako náhodný vstup, který je potřebný pro generování výstupních instancí.”

Jak GAN pokračoval v cvičení psaní čísla, vyvinul svůj vlastní distinktivní styl psaní. Nakonec byl schopen psát čísla od 1 do 10 v počítačových simulacích.

Stavba většího zařízení

Tým se nyní bude snažit postavit zařízení ve větším měřítku pomocí současné polovodičové výrobní technologie, což verbessí výkon a umožní týmu provést složitější úkoly.

“Tento optický systém představuje počítačovou hardwarovou architekturu, která může zlepšit kreativitu umělých neuronových sítí používaných v AI a strojovém učení, ale důležitější je, že demonstruje životaschopnost tohoto systému ve větším měřítku, kde šum a chyby mohou být zmírněny a dokonce využity,” řekl Li. “Aplikace AI rostou tak rychle, že v budoucnu bude jejich spotřeba energie neudržitelná. Tato technologie má potenciál pomoci snížit spotřebu energie, což činí AI a strojové učení ekologicky udržitelnými – a velmi rychlými, dosahujícími vyššího výkonu celkově.