دستگاه می تواند در یادگیری بدون نظارت 'در سرعت نور' پس از AI دستیابی به موفقیت دانشمندان می گویند

محققان زمانی دستیابی به موفقیت در توسعه هوش مصنوعی با استفاده از نور به جای الکتریسیته برای انجام محاسبات است.

این رویکرد جدید به طور قابل توجهی بهبود می بخشد هر دو سرعت و بهره وری از دستگاه یادگیری شبکه های عصبی – یک فرم از هوش مصنوعی است که با هدف به تکرار این توابع انجام شده توسط مغز انسان به منظور آموزش به خودی خود یک کار بدون نظارت.

زمان پردازنده استفاده می شود برای یادگیری ماشین در حال محدود در انجام عملیات پیچیده توسط قدرت مورد نیاز برای پردازش داده ها. هوشمند تر کار پیچیده تر داده ها و در نتیجه بیشتر قدرت خواسته است.

چنین شبکه هایی را نیز محدود کند انتقال الکترونیکی داده ها بین پردازنده و حافظه است.

محققان از دانشگاه جورج واشنگتن در آمریکا کشف شده که با استفاده از فوتون ها در شبکه عصبی (تانسور) واحد پردازش (TPUs) می تواند غلبه بر این محدودیت ها و ایجاد قوی تر و قدرت کارآمد AI.

شرح مقاله پژوهشی منتشر شده امروز در این مجله علمی فیزیک کاربردی بررسینشان می دهد که خود را فوتونی مبتنی بر TPU قادر به انجام بین 2-3 سفارشات از قدر بالاتر از برقی TPU.

"ما دریافتیم که یکپارچه فوتونی سیستم عامل است که ادغام کارآمد نوری حافظه می تواند به دست آوردن همان عملیات به عنوان یک تانسور واحد پردازش, اما آنها مصرف کسری از قدرت و توان بالاتر گفت:" ماریو Miscuglio یکی از نویسنده مقاله را.

"هنگامی که opportunely آموزش [سیستم عامل ها] را می توان مورد استفاده برای انجام دخالت در سرعت نور است."

پتانسیل تجاری برنامه های کاربردی برای نوآورانه پردازنده شامل 5G و 6G شبکه های داده ها و همچنین مراکز وظیفه با انجام مقدار زیادی از پردازش داده ها.

Dr Miscuglio گفت: "فوتونی تخصصی پردازنده می تواند صرفه جویی در مقدار زیادی از انرژی و بهبود زمان واکنش و کاهش مرکز اطلاعات ترافیک."