Noul sistem își propune să rezolve problema consumului de energie a inteligenței artificiale

Calculatoarele care se bazează pe inteligență artificială (IA) necesită o cantitate mare de energie, iar această cerință de putere de calcul se dublează aproximativ la fiecare trei sau patru luni. În ceea ce privește centrele de date de cloud computing, care sunt utilizate de aplicațiile IA și de învățare automată, acestea folosesc mai multă putere electrică pe an decât unele țări mici. Mulți cercetători avertizează că acest sistem este nesustenabil.

O echipă de cercetători, condusă de Universitatea din Washington, a găsit o soluție pentru a ajuta la rezolvarea acestei probleme – un nou hardware de calcul optic pentru IA și învățare automată. Acest hardware este mai rapid și mai eficient din punct de vedere energetic decât electronica convențională. De asemenea, ajută la rezolvarea “zgomotului” cauzat de calculul optic, care poate interfera cu precizia calculului.

Cercetarea a fost publicată pe 21 ianuarie în Science Advances.

Folosirea zgomotului ca intrare

În articolul de cercetare, echipa a demonstrat cum un sistem de calcul optic pentru IA și învățare automată poate utiliza unele dintre zgomotele ca intrare pentru a îmbunătăți outputul creativ al rețelei neuronale artificiale (RNA) din sistem.

Changming Wu este un student doctorand în inginerie electrică și informatică la Universitatea din Washington și autorul principal al articolului.

“Am construit un calculator optic care este mai rapid decât un calculator digital convențional”, a spus Wu. “Și, de asemenea, acest calculator optic poate crea lucruri noi pe baza intrărilor aleatorii generate din zgomotul optic pe care majoritatea cercetătorilor au încercat să-l evite.”

Zgomotul de calcul optic este cauzat de particule de lumină rătăcite, sau fotoni. Aceștia sunt produși de laserele din dispozitiv și de radiația termică de fond. Pentru a viza zgomotul, echipa a conectat nucleul de calcul optic la o rețea adversarială generativă (GAN). Apoi, au testat diferite tehnici de mitigare a zgomotului, cum ar fi utilizarea unora dintre zgomotele generate ca intrări aleatorii pentru GAN.

Echipa a instruit GAN-ul să învețe să scrie numărul “7” ca un om, ceea ce a însemnat că a trebuit să învețe sarcina prin observarea exemplelor de scriere de mână înainte de a practica de mai multe ori. Din cauza formei sale, calculatorul optic a trebuit să genereze imagini digitale care aveau un stil similar cu exemplele.

Mo Li este profesor de inginerie electrică și informatică la Universitatea din Washington și autorul principal al articolului.

“În loc să antrenăm rețeaua să citească numere scrise de mână, am antrenat rețeaua să învețe să scrie numere, imitând exemplele de scriere de mână pe care a fost antrenată”, a spus Li. “Cu ajutorul colaboratorilor noștri de știință computerizată de la Universitatea Duke, am demonstrat, de asemenea, că GAN-ul poate mitiga impactul negativ al zgomotului hardware-ului de calcul optic prin utilizarea unui algoritm de antrenare care este robust la erori și zgomote. Mai mult decât atât, rețeaua utilizează de fapt zgomotele ca intrări aleatorii necesare pentru a genera instanțe de output.”

Pe măsură ce GAN-ul continua să practice scrierea numărului, a dezvoltat propriul său stil distinct de scriere. A fost capabil să scrie numere de la unu la zece în simulări pe calculator.

Construirea unui dispozitiv la scară mai mare

Echipa va căuta acum să construiască dispozitivul la o scară mai mare prin utilizarea tehnologiei de fabricație a semiconductoarelor actuale, ceea ce va îmbunătăți performanța și va permite echipei să efectueze sarcini mai complexe.

“Acest sistem optic reprezintă o arhitectură de hardware de calculator care poate îmbunătăți creativitatea rețelelor neuronale artificiale utilizate în IA și învățare automată, dar mai important, demonstrează viabilitatea acestui sistem la scară largă, unde zgomotul și erorile pot fi mitigate și chiar utilizate”, a spus Li. “Aplicațiile IA cresc atât de repede, încât în viitor, consumul lor de energie va fi nesustenabil. Această tehnologie are potențialul de a ajuta la reducerea consumului de energie, făcând IA și învățarea automată sustenabile din punct de vedere al mediului – și foarte rapide, atingând performanțe globale mai bune.