Интел работи на оптички чипови за поефикасна вештачка интелигенција

Фотонските интегрирани кола, или оптичките чипови, потенцијално нудат многу предности во однос на нивните електронски колеги, како што се намалена потрошувачка на енергија и намалена латентност во пресметките. Затоа многу истражувачи веруваат дека тие можат да бидат исклучително ефикасни во задачите за машинско учење и вештачка интелигенција (ВИ). Интел, исто така, гледа големи изгледи за употреба на силициумска фотоника во оваа насока. Нејзиниот истражувачки тим во научна статија детални нови техники кои би можеле да ги донесат оптичките невронски мрежи чекор поблиску до реалноста.

Во една неодамнешна Објави на блог на Интел, посветен на машинското учење, опишува како започнале истражувањата во областа на оптичките невронски мрежи. Истражувањето на Дејвид А.Б. Милер и Мајкл Рек покажа дека еден вид фотоничко коло познато како интерферометар Мах-Зендер (MZI) може да се конфигурира да врши множење на матрицата 2 × 2 кога ќе се постави MZI на триаголна мрежа за множење големи матрици. добие коло што го имплементира алгоритамот за множење матрица-вектор, основна пресметка што се користи во машинското учење.

Новото истражување на Интел се фокусираше на тоа што се случува кога разни дефекти на кои оптичките чипови се подложни за време на производството (бидејќи пресметковната фотоника е аналогна по природа) предизвикуваат разлики во пресметковната точност помеѓу различни чипови од ист тип. Иако беа спроведени слични студии, во минатото тие повеќе се фокусираа на оптимизација по изработката за да се елиминираат можните неточности. Но, овој пристап има слаба приспособливост бидејќи мрежите стануваат поголеми, што резултира со зголемување на компјутерската моќ потребна за поставување на оптички мрежи. Наместо оптимизација по изработката, Интел ги разгледа чиповите за обука еднократно пред производството, користејќи архитектура толерантна за бучава. Референтната оптичка невронска мрежа беше обучена еднаш, по што параметрите за обука беа дистрибуирани низ неколку фабрикувани мрежни примероци со разлики во нивните компоненти.

Тимот на Интел разгледа две архитектури за градење системи за вештачка интелигенција базирани на MZI: GridNet и FFTNet. GridNet предвидливо ги поставува MZI во мрежа, додека FFTNet ги става во пеперутки. По обуката и за симулација на задачата за длабоко учење со препознавање на рачно напишани цифри (MNIST), истражувачите открија дека GridNet постигнала поголема точност од FFTNet (98% наспроти 95%), но архитектурата FFTNet била „значително поцврста“. Всушност, перформансите на GridNet паднаа под 50% со додавање на вештачки шум (пречки што симулира можни дефекти во производството на оптички чипови), додека за FFTNet остана речиси константна.

Научниците велат дека нивното истражување ја поставува основата за методите за обука на вештачка интелигенција кои би можеле да ја елиминираат потребата за фино прилагодување на оптичките чипови откако ќе бидат произведени, заштедувајќи драгоцено време и ресурси.

„Како и кај секој производствен процес, ќе се појават одредени дефекти што значат дека ќе има мали разлики помеѓу чиповите што ќе влијаат на точноста на пресметките“, пишува Казимир Вирзински, постар директор на Intel AI Product Group. „Доколку оптичките нервни ентитети сакаат да станат остварлив дел од хардверскиот екосистем на вештачка интелигенција, тие ќе треба да се префрлат на поголеми чипови и индустриски производствени технологии. Нашето истражување покажува дека изборот на вистинската архитектура однапред може значително да ја зголеми веројатноста добиените чипови да ги постигнат посакуваните перформанси, дури и во присуство на варијации во производството“.

Во исто време кога Интел првенствено спроведува истражување, кандидатот за докторат на МИТ, Јичен Шен, го основаше стартапот Lightelligence со седиште во Бостон, кој собра 10,7 милиони долари во ризично финансирање и неодамна покажа прототип на оптички чип за машинско учење кој е 100 пати побрз од современите електронски чипови и исто така ја намалува потрошувачката на енергија за ред на големина, што уште еднаш јасно го демонстрира ветувањето за фотонски технологии.

Извор: 3dnews.ru