Leggero

La capacità di ChatGPT di produrre saggi, e-mail e codice raffinati in risposta ad alcune semplici richieste ha attirato l'attenzione internazionale. I ricercatori del MIT hanno segnalato un metodo che ha il potenziale per aprire la strada a programmi di apprendimento automatico molto più capaci di quello responsabile di ChatGPT. Inoltre, la loro tecnologia potrebbe consumare meno energia rispetto ai supercomputer all’avanguardia che alimentano gli odierni modelli di apprendimento automatico.

Il team riporta la prima dimostrazione sperimentale del nuovo sistema, che utilizza centinaia di laser su scala micrometrica per eseguire calcoli basati sul movimento della luce anziché sugli elettroni. Il nuovo sistema è oltre 100 volte più efficiente dal punto di vista energetico rispetto agli attuali computer digitali all’avanguardia per l’apprendimento automatico e 25 volte più potente in termini di densità di calcolo.

Inoltre, notano “sostanzialmente molti altri ordini di grandezza per miglioramenti futuri”. Ciò, aggiungono gli scienziati, “apre la strada ai processori optoelettronici su larga scala per accelerare le attività di apprendimento automatico dai data center ai dispositivi edge decentralizzati”. In futuro, piccoli dispositivi come i telefoni cellulari potrebbero essere in grado di eseguire programmi che possono essere elaborati solo in enormi data center.

Enormi modelli di apprendimento automatico che imitano l’elaborazione delle informazioni da parte del cervello sono la base delle reti neurali profonde (DNN) come quella che alimenta ChatGPT. Mentre l’apprendimento automatico è in espansione, le tecnologie digitali che alimentano le DNN di oggi si stanno stabilizzando. Inoltre, spesso si trovano solo in data center molto grandi a causa del loro estremo fabbisogno energetico. Ciò sta guidando l’innovazione nell’architettura informatica.

La disciplina della scienza dei dati si sta evolvendo a causa dell’aumento delle reti neurali profonde (DNN). In risposta all’espansione esponenziale di queste DNN, che sta mettendo a dura prova le capacità dell’hardware tradizionale dei computer, le reti neurali ottiche (ONN) si sono recentemente evolute per eseguire attività DNN a frequenze di clock elevate, in parallelo e con una perdita di dati minima. La bassa efficienza di conversione elettro-ottica, l'enorme ingombro dei dispositivi e la diafonia dei canali contribuiscono a una bassa densità di calcolo negli ONN, mentre la mancanza di non linearità in linea causa un ritardo significativo. I ricercatori hanno mostrato sperimentalmente un sistema ONN multiplexato spazio-temporale per affrontare tutti questi problemi contemporaneamente. Usano la codifica dei neuroni utilizzando matrici su scala micrometrica di laser a emissione superficiale a cavità verticale (VCSEL), che sono prodotti in grandi quantità e mostrano un'eccellente conversione elettro-ottica.

Per la prima volta, i ricercatori forniscono un piccolo progetto che affronta questi tre problemi contemporaneamente. Il moderno rilevamento remoto LiDAR e la stampa laser utilizzano entrambi questa architettura, che è costruita su array di laser a emissione di superficie verticale (VCSEL). Queste misure sembrano un miglioramento di due ordini di grandezza nel prossimo futuro. Il processore optoelettronico offre nuove opportunità per accelerare i processi di apprendimento automatico attraverso infrastrutture centralizzate e distribuite.

Dai un'occhiata aCartaEBlog . Tutto il merito di questa ricerca va ai ricercatori di questo progetto. Inoltre, non dimenticare di iscrivertiil nostro subReddit da 27k+ ML,Canale Discordia, ENewsletter via e-mail, dove condividiamo le ultime notizie sulla ricerca sull'intelligenza artificiale, interessanti progetti sull'intelligenza artificiale e altro ancora.

Dhanshree Shenwai è un ingegnere informatico e ha una buona esperienza in società FinTech che coprono il settore finanziario, carte e pagamenti e bancario con vivo interesse per le applicazioni dell'intelligenza artificiale. È entusiasta di esplorare nuove tecnologie e progressi nel mondo in evoluzione di oggi, rendendo la vita facile a tutti.