Yeni Sistem, Yapay Zeka Enerji Tüketim Problemini Çözmeyi Hedefliyor

Yapay zeka (AI) ile çalışan bilgisayarlar çok fazla enerji gerektirir ve bu hesaplama gücü ihtiyacı yaklaşık olarak her üç ila dört ayda iki katına çıkıyor. Bulut bilişim veri merkezlerine gelince, bunlar AI ve makine öğrenimi uygulamaları tarafından kullanılır ve bazı küçük ülkelerin kullandığı yıllık elektrik gücünden daha fazlasını kullanır. Birçok araştırmacı, bu sistemin sürdürülemez olduğunu uyarıyor.

Bu araştırmacılardan oluşan bir ekip, Washington Üniversitesi liderliğinde bu problemi çözmeye yardımcı olmak için bir çözüm buldu – yapay zeka ve makine öğrenimi için yeni optik hesaplama donanımı. Bu donanım, geleneksel elektroniklerden daha hızlı ve çok daha enerji verimlidir. Ayrıca, optik hesaplama tarafından oluşturulan ve hesaplama kesinliğini etkileyebilecek ‘gürültüyü’ çözmede yardımcı olur.

Araştırma 21 Ocak’ta Science Advances‘de yayınlandı.

Gürültüyü Giriş olarak Kullanma

Araştırma makalesinde, ekip, yapay zeka ve makine öğrenimi için bir optik hesaplama sisteminin, yapay sinir ağı (ANN) içindeki yaratıcı çıktıyı artırmak için bazı gürültüleri girdi olarak kullanabileceğini gösterdi.

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

“Bir optik bilgisayar inşa ettik, bu geleneksel bir dijital bilgisayardan daha hızlı” dedi Wu. “Ve ayrıca, bu optik bilgisayar, çoğu araştırmacının kaçınmaya çalıştığı optik gürültüden üretilen rastgele girdilere dayanarak yeni şeyler oluşturabiliyor.”

Optik hesaplama gürültüsü, cihaz içindeki lazerler ve arka plan termal radyasyonu tarafından üretilen saçılma ışık parçacıkları veya fotonlar tarafından oluşturulur. Gürültüyü hedeflemek için ekip, optik hesaplama çekirdeğini bir üretken karşıt ağ (GAN) ile bağladı ve sonra farklı gürültü azaltma tekniklerini test etti, örneğin GAN için rastgele girdiler olarak üretilen bazı gürültüleri kullanma.

Ekip, GAN’e, bir insan gibi ‘7’ rakamını el yazısı ile yazmasını öğretmeyi amaçladı, bu da önce el yazısı örneklerini gözlemleyerek görevi öğrenmesi ve sonra tekrar tekrar uygulaması anlamına geliyordu. Optik bilgisayarın, örneklerin benzer bir stilini sahip dijital görüntüler oluşturması gerekiyordu.

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

“El yazısı ile yazılmış numaraları okumak için ağı eğitmek yerine, ağı, eğitim aldığı el yazısı örneklerini taklit ederek numaraları yazmayı öğrenmeye eğittik” dedi Li. “Duke Üniversitesi’ndeki bilgisayar bilimi işbirlikçilerimizin yardımıyla, GAN’in, hatalara ve gürültülere karşı dayanıklı bir eğitim algoritması kullanarak optik hesaplama donanımı gürültüsünün olumsuz etkisini azaltabileceğini de gösterdik. Dahası, ağ, çıktı örnekleri oluşturmak için gerekli olan rastgele girdileri olarak gürültüleri kullanıyor.”

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

Daha Büyük Ölçekli Cihaz İnşa Etme

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

“Bu optik sistem, yapay zeka ve makine öğrenimi kullanılan yapay sinir ağlarının yaratıcılığını artıran bir bilgisayar donanımı mimarisini temsil ediyor, ancak daha da önemlisi, bu sistemin büyük ölçekte uygulanabilirliğini gösteriyor, burada gürültü ve hatalar azaltılabilir ve hatta kullanılabilir” dedi Li. “Yapay zeka uygulamaları o kadar hızlı büyüyor ki, gelecekte enerji tüketimleri sürdürülemez olacak. Bu teknoloji, bu enerji tüketimini azaltmaya yardımcı olmak ve yapay zeka ve makine öğreniminin çevre dostu ve çok hızlı olmasını sağlamak için potansiyele sahip.”