Nuovo Sistema Mirato a Risolvere il Problema di Consumo Energetico dell’Intelligenza Artificiale

I computer che si affidano all’intelligenza artificiale (AI) richiedono molta energia, e questa richiesta di potenza di calcolo raddoppia all’incirca ogni tre o quattro mesi. Quando si tratta di data center per il cloud computing, utilizzati dalle applicazioni di intelligenza artificiale e apprendimento automatico, essi utilizzano più potenza elettrica all’anno di alcuni piccoli paesi. Molti ricercatori avvertono che questo sistema è insostenibile.

Un team di questi ricercatori guidato dall’Università di Washington ha trovato una soluzione per aiutare a risolvere questo problema: nuovo hardware di calcolo ottico per l’intelligenza artificiale e l’apprendimento automatico. Questo hardware è più veloce e molto più efficiente in termini di energia rispetto all’elettronica convenzionale. Aiuta anche a risolvere il “rumore” causato dal calcolo ottico, che può interferire con la precisione del calcolo.

La ricerca è stata pubblicata il 21 gennaio su Science Advances.

Utilizzo del Rumore come Input

Nel paper di ricerca, il team ha dimostrato come un sistema di calcolo ottico per l’intelligenza artificiale e l’apprendimento automatico potrebbe utilizzare parte del rumore come input per migliorare la creatività dell’output della rete neurale artificiale (ANN) all’interno del sistema.

Changming Wu è uno studente di dottorato in ingegneria elettrica e informatica all’Università di Washington e autore principale del paper.

“Abbiamo costruito un computer ottico che è più veloce di un computer digitale convenzionale”, ha detto Wu. “E inoltre, questo computer ottico può creare nuove cose in base a input casuali generati dal rumore ottico che la maggior parte dei ricercatori ha cercato di evitare.”

Il rumore nel calcolo ottico è causato da particelle di luce vaganti, o fotoni. Questi sono prodotti dai laser all’interno del dispositivo e dalla radiazione termica di fondo. Per contrastare il rumore, il team ha collegato il core di calcolo ottico a una rete generativa avversaria (GAN). Quindi hanno testato diverse tecniche di mitigazione del rumore, come l’utilizzo di parte del rumore generato come input casuali per la GAN.

Il team ha istruito la GAN a imparare a scrivere a mano il numero ‘7’ come un essere umano, il che significava che doveva imparare il compito osservando campioni visivi di scrittura a mano prima di esercitarsi più volte. A causa della sua forma, il computer ottico doveva generare immagini digitali che avevano uno stile simile ai campioni.

Mo Li è un professore di ingegneria elettrica e informatica all’Università di Washington e autore senior del paper.

“Invece di addestrare la rete a leggere numeri scritti a mano, abbiamo addestrato la rete a imparare a scrivere numeri, imitando campioni visivi di scrittura a mano su cui era stata addestrata”, ha detto Li. “Con l’aiuto dei nostri collaboratori di scienze informatiche alla Duke University, abbiamo anche dimostrato che la GAN può mitigare l’impatto negativo dei rumori dell’hardware di calcolo ottico utilizzando un algoritmo di addestramento robusto agli errori e ai rumori. Inoltre, la rete utilizza effettivamente i rumori come input casuale necessario per generare istanze di output.”

Mentre la GAN continuava a praticare la scrittura del numero, sviluppò il proprio stile di scrittura distintivo. Fu infine in grado di scrivere numeri da uno a 10 in simulazioni al computer.

Costruzione di un Dispositivo su Scala Maggiore

Il team cercherà ora di costruire il dispositivo su scala maggiore attraverso l’utilizzo della tecnologia di produzione dei semiconduttori attuale, il che migliorerà le prestazioni e consentirà al team di eseguire compiti più complessi.

“Questo sistema ottico rappresenta un’architettura di hardware per computer che può migliorare la creatività delle reti neurali artificiali utilizzate nell’intelligenza artificiale e nell’apprendimento automatico, ma più importante, dimostra la fattibilità di questo sistema su larga scala dove rumori ed errori possono essere mitigati e addirittura sfruttati”, ha detto Li. “Le applicazioni di intelligenza artificiale stanno crescendo così rapidamente che in futuro, il loro consumo di energia sarà insostenibile. Questa tecnologia ha il potenziale per aiutare a ridurre il consumo di energia, rendendo l’intelligenza artificiale e l’apprendimento automatico sostenibili dal punto di vista ambientale – e molto veloci, raggiungendo prestazioni complessive più elevate.”