Gør AI-algoritmer vanvittigt hurtige ved hjælp af chips drevet af lys

Frk. teknologi; Chip af Ben Davis, RO

Inde i et lille laboratorium i Bostons havnedistrikt, begravet i et virvar af lasere, linser, spejle og et virvar af ledninger, er en lille chip, der kan være ved at have en stor indvirkning på verden af ​​kunstig intelligens.

Laboratoriet tilhører Lightelligence , en startup, der er ved at udvikle en radikalt ny slags AI-acceleratorchip. I stedet for at bruge elektroner til at udføre de grundlæggende matematiske beregninger, der er nødvendige for maskinlæring, bruger virksomhedens prototypeenhed lys.

I teorien betyder overførsel af information med lysets hastighed, at sådan en enhed kan lade AI-algoritmer køre hundredvis af gange hurtigere end nutidens bedste AI-chips. Da rå computerkraft gør så stor en forskel i maskinlæring, kan dette betyde langt mere kraftfulde og dygtige algoritmer. I praksis vil hastigheden af ​​den optiske chip dog afhænge af, hvor hurtigt den kan interagere med konventionelle komponenter, såsom en computers hukommelse. Og Lightelligence skal skrive algoritmer, der kan vride så meget hastighed ud af opsætningen som muligt.

Deep learning, en maskinlæringstilgang, der er løst inspireret af den måde, hjerner er forbundet med, har taget teknologiindustrien med storm i de seneste år. Det har vist sig utroligt effektivt til at træne maskiner til at udføre værdifulde opgaver som at mærke billeder og oversætte tekst. Virksomheder ræser i mellemtiden for at implementere metoden på flere og mere nyttige måder.

Fremkomsten af ​​deep learning har allerede udløst et boom i kommerciel aktivitet omkring nye chipdesign, der er optimeret til de involverede vigtige matematiske beregninger. Nu ser det ud til, at det også inspirerer til fundamentalt forskellige tilgange til databehandling.

Jeg besøgte for nylig Lightelligence for at mødes med dets administrerende direktør, Yichen Shen, en selvsikker mand i 20'erne. Iført en fleecetrøje og et bredt grin præsenterede han hver af virksomhedens dusin ansatte og viste mig derefter rundt i laboratoriet.

Arash Hosseinzadeh fra Lightelligence arbejder ved en optisk bænk i virksomhedens laboratorium.

Lys giver vigtige fordele for kunstig intelligens, forklarede Shen. Fotoner er hurtigere end elektroner, og deres bevægelse gennem en chips kredsløb vil ikke overophede den. Men at regne med lys er også meget udfordrende. Tidligere bestræbelser på at bygge optiske computerchips er slået fejl, fordi det er svært at efterligne en transistor optisk, og fordi lys opfører sig på en mindre forudsigelig måde.

Men ligningen ændrer sig i æraen med dyb læring, siger Shen. Optiske chips er velegnede til at udføre matrixmultiplikationer, beregninger, der er centrale for deep learning. Neurale netværk er også i sagens natur lineære, og det er lineære beregninger, hvor optiske enheder udmærker sig.

Shen siger, at han og hans kolleger hos Lightelligence for nylig sendte deres første færdiggjorte chipdesign til en producent og forventer de første chips tilbage om et par uger. Vi synes, det er en meget unik og interessant mulighed for at teste denne idé af, siger han.

Forskere udforsker alle mulige nye muligheder inden for materialer og optik. Tidligere i år udviklede et team af forskere ved UCLA en ny dyb-læringsenhed skabt ved 3-D-printning af forskellige brydende polymerer. Detaljer om holdets enhed, kaldet et diffraktivt dybt neuralt netværk (D2NN), var offentliggjort i tidsskriftet Science .

Det er det ikke-intuitive aspekt af dyb læring, der har ændret, hvordan vi ser på fysisk og optoelektronisk design. Noget af det fører til nye måder at regne på, siger Aydogan Ozcan , en professor ved UCLA, der ledede arbejdet. Noget af det fører til design af komponenter, systemer, der fungerer anderledes end traditionelle systemer.

Kommercialisering af teknologien kan også være mere praktisk nu, end det var før.

Dan Hutchinson, en analytiker hos VLSI Research, der sporer innovative chipdesigns, siger, at interessen for nye optiske chips vokser takket være fremskridt i design og fremstilling af enheder, der bruges til netværk. Optiske chips er også relativt nemme og billige at lave, hvilket sænker adgangsbarrieren for startups, siger han.

Lightelligence vil dog stadig stå over for store udfordringer. Zhangxi Tan, en veteran fra chipindustrien og administrerende direktør for en anden chipstartup, VORES teknologi , siger, at selvom chippen fungerer som lovet, kan den vise sig at være svær at fremstille i skala. Det vil være en udfordring at pakke og teste et helt nyt chipdesign, især når der ikke findes gode softwaredesignværktøjer til sådan en optisk enhed. Lys er meget elegant på papiret, men de omgivende elektroniske kredsløb - dine laserdrivere, fotonmodtagerkredsløb, elektroniske modulatorer - er meget grimme, siger Tan

Ikke desto mindre går indsatsen hurtigt.

Kun sidste år var Shen ph.d.-studerende, der studerede fotoniske materialer i laboratoriet i Marin Soljacic på MIT. Sammen med Soljacic og flere andre elever har han udgivet et papir i tidsskriftet Nature Photonics, der beskriver en ny måde at udføre neurale netværksberegninger ved hjælp af optisk interferens. Idéen til en virksomhed blev udklækket, før avisen overhovedet blev offentliggjort, takket være et opkald fra en venturekapitalist fra vestkysten.

Virksomheden har også en søskenderival. Lightelligence blev dannet, da Shen og andre hoppede af fra et firma kaldet Lightmatter. Den administrerende direktør for Lightmatter er en af ​​Shens medforfattere på det originale papir, og det firma har rejst lignende beløb til finansiering til sin egen optiske dybe læringschip. Måske kan en sund rivalisering hjælpe med at fremskynde udviklingen af ​​teknologien.

Der er betydelige forhindringer forude, men hvis en af ​​disse virksomheder kan overvinde dem, kan det måske bare lyse op i AI-verdenen.

skjule