I en banebrydende udvikling, der kan omforme fremtiden for kunstig intelligens, har forskere demonstreret, at glasfibre – den samme teknologi, der leverer internet til vores hjem – snart kan erstatte silicium som fundamentet for AI-processeringssystemer.
Det samarbejdende studie, ledet af Dr. Mathilde Hary fra Tampere Universitet i Finland og Dr. Andrei Ermolaev fra Université Marie et Louis Pasteur i Frankrig, har vist, at intense laserimpulser, der bevæger sig gennem ultratynde glasfibre, kan udføre AI-lignende beregninger med hastigheder, der er tusindvis af gange hurtigere end traditionelle elektroniske systemer.
"I stedet for at bruge konventionel elektronik og algoritmer opnås beregningen ved at udnytte den ikke-lineære interaktion mellem intense lysimpulser og glasset," forklarer Hary og Ermolaev. Deres system implementerer en neuralt netværksinspireret metode kaldet en Extreme Learning Machine og opnår næsten topmoderne resultater i opgaver som billedgenkendelse på under en billiontedel af et sekund.
Gennembruddet adresserer en voksende udfordring i AI-udviklingen. Efterhånden som modeller bliver mere komplekse, nærmer traditionelle siliciumbaserede systemer sig deres grænser for båndbredde, datagennemstrømning og energiforbrug. Ved at udnytte lys i stedet for elektricitet kan denne optiske beregningsmetode dramatisk øge processeringshastigheden og samtidig potentielt reducere strømforbruget – et afgørende fremskridt, da datacentre kæmper med AI-systemers stigende energibehov.
Forskernes modeller viser, hvordan faktorer som dispersion, ikke-linearitet og endda kvantestøj påvirker ydeevnen og giver essentiel viden til design af næste generations hybride optisk-elektroniske AI-systemer. "Dette arbejde demonstrerer, hvordan grundforskning i ikke-lineær fiberoptik kan drive nye tilgange til beregning. Ved at forene fysik og maskinlæring åbner vi nye veje mod ultrahurtig og energieffektiv AI-hardware," udtaler projektlederne.
Fremadrettet sigter holdene mod at bygge optiske systemer på chips, der kan fungere i realtid uden for laboratoriet. Potentielle anvendelser spænder fra realtids-signalbehandling til miljøovervågning og højhastigheds-AI-inferens – egenskaber, der kan transformere industrier fra telekommunikation til autonome køretøjer. Forskningen er finansieret af Finlands Forskningsråd, det Franske Nationale Forskningsagentur og Det Europæiske Forskningsråd.