Yeni Sistem, AI Enerji Tüketim Problemini Çözmeyi Hedefliyor

Yapay zeka (AI) kullanan bilgisayarlar çok fazla enerji gerektirir ve bu hesaplama gücü ihtiyacı yaklaşık her üç ila dört ayda iki katına çıkıyor. AI ve makine öğrenimi uygulamaları tarafından kullanılan bulut bilişim veri merkezleri, bazı küçük ülkelerin yıllık elektrik gücünden daha fazlasını kullanıyor. Birçok araştırmacı, bu sistemin sürdürülemez olduğunu uyarıyor.

Bu araştırmacılardan oluşan bir ekip, Washington Üniversitesi’nden liderliğindeki bir çözüm buldu – AI ve makine öğrenimi için yeni optik hesaplama donanımı. Bu donanım, geleneksel elektroniklerden daha hızlı ve çok daha enerji verimlidir. Ayrıca, optik hesaplama tarafından oluşturulan “gürültü” sorununu çözmeye yardımcı olur, bu da hesaplama kesinliğini etkileyebilir.

Araştırma 21 Ocak’ta Science Advances‘ de yayımlandı.

Gürültüyü Giriş olarak Kullanma

Araştırma makalesinde, ekip, AI ve makine öğrenimi için optik hesaplama sisteminin, bazı gürültüleri girişe dönüştürerek yapay sinir ağı (ANN) içindeki yaratıcı çıktıyı artırabileceğini gösterdi.

Changming Wu, Washington Üniversitesi’nde elektrik ve bilgisayar mühendisliği alanında doktora öğrencisi ve makalenin baş yazarı.

“Geleneksel bir dijital bilgisayardan daha hızlı bir optik bilgisayar inşa ettik” dedi Wu. “Ve ayrıca, bu optik bilgisayar, optik gürültüden oluşan rastgele girişlere dayanarak yeni şeyler oluşturabiliyor, ki çoğu araştırmacı bunu önlemek için uğraşıyor.”

Optik hesaplama gürültüsü, lazerler içindeki ışık parçacıkları veya fotonlar ve arka plan termal ışıması tarafından üretilir. Gürültüyü hedeflemek için ekip, optik hesaplama çekirdeğini bir üretken karşıt ağ (GAN) ile bağladı. Ardından, GAN için bazı oluşturulan gürültüleri rastgele girişler olarak kullanma gibi farklı gürültü azaltma tekniklerini test ettiler.

Ekip, GAN’e, bir insan gibi ‘7’ rakamını el yazısı ile yazmayı öğretti, bu da görsel örnekleri gözlemleyerek ve tekrar tekrar uygulayarak öğrenmesini gerektiriyordu. Optik bilgisayarın, örneklerin benzer bir stilinde dijital görseller oluşturması gerekiyordu.

Mo Li, Washington Üniversitesi’nde elektrik ve bilgisayar mühendisliği profesörü ve makalenin kıdemli yazarı.

“Ağın el yazısı numaraları okumayı öğrenmesi yerine, ağın numaraları yazmayı öğrenmesini sağladık, gördüğü el yazısı örneklerinin görsel örneklerine benzeyen bir şekilde” dedi Li. “Duke Üniversitesi’ndeki bilgisayar bilimindeki işbirlikçilerimizin yardımıyla, GAN’in optik hesaplama donanımı gürültüsünün olumsuz etkisini azaltabileceğini, hatalara ve gürültülere karşı dayanıklı bir eğitim algoritması kullanarak gösterdik. Daha da önemlisi, ağ gerçekten necessary olan rastgele girişler olarak gürültüleri kullanıyor.”

GAN, ‘7’ rakamını yazmaya devam ettikçe, kendine özgü bir yazı stili geliştirdi. Sonunda, bilgisayar simülasyonlarında 1’den 10’a kadar numaraları yazabildi.

Daha Büyük Ölçekli Cihaz İnşası

Ekip şimdi, mevcut yarı iletken üretim teknolojisini kullanarak cihazı daha büyük ölçekte inşa etmeye çalışacak, bu da performansı iyileştirecek ve daha karmaşık görevleri gerçekleştirmelerine olanak tanıyacak.

“Bu optik sistem, AI ve makine öğrenimi kullanılan yapay sinir ağlarının yaratıcılığını artırabilen bir bilgisayar donanımı mimarisini temsil ediyor, ancak daha da önemlisi, büyük ölçekli bir sistem için gürültü ve hataların azaltılabileceğini ve hatta kullanılabileceğini gösteriyor” dedi Li. “AI uygulamaları çok hızlı bir şekilde büyüyor, gelecekte enerji tüketimleri sürdürülemez olacak. Bu teknoloji, enerji tüketimini azaltmaya yardımcı olmak ve AI ile makine öğrenimini çevre dostu ve çok hızlı, genel performansı artırarak yapmak için potansiyele sahip.”