I et markant fremskridt for computerteknologi har europæiske forskere med succes demonstreret, hvordan lys – i stedet for elektricitet – kan udnyttes til at udføre kunstig intelligens-beregninger med hidtil usete hastigheder.
Den banebrydende forskning, udført af Dr. Mathilde Hary fra Finlands Tampere Universitet og Dr. Andrei Ermolaev fra Frankrigs Université Marie et Louis Pasteur, viser, hvordan intense laserimpulser, der bevæger sig gennem ultratynde glasfibre, kan efterligne den måde, AI behandler information på – men tusindvis af gange hurtigere end konventionelle elektroniske systemer.
Forskerne benyttede en beregningsarkitektur kendt som Extreme Learning Machine (ELM), som er inspireret af neurale netværk. Deres metode udnytter den ikke-lineære interaktion mellem intense lysimpulser og glas til at udføre komplekse beregninger. Da systemet blev testet på MNIST-datasættet med håndskrevne cifre, opnåede deres optiske system imponerende nøjagtighed på over 91 % i anomal dispersionsregime og 93 % i normal dispersionsregime.
"Dette arbejde demonstrerer, hvordan grundforskning i ikke-lineær fiberoptik kan drive nye tilgange til beregning," forklarer professorerne Goëry Genty og John M. Dudley, der har superviseret forskningen. "Ved at forene fysik og maskinlæring åbner vi nye veje mod ultrahurtig og energieffektiv AI-hardware."
Innovation adresserer centrale begrænsninger ved traditionelle elektroniske systemer, som nærmer sig deres fysiske grænser for båndbredde, datagennemstrømning og strømforbrug. Efterhånden som AI-modeller fortsætter med at vokse eksplosivt – og fordobles i størrelse cirka hver 3,5 måned ifølge forskning fra OpenAI – er energibehovet for at træne og drive disse modeller blevet stadig mere uholdbart.
Potentielle anvendelser for denne lysbaserede beregningsteknologi spænder fra realtids-signalbehandling og miljøovervågning til lynhurtig AI-inferens. Forskerne sigter mod på sigt at udvikle optiske systemer på chip, der kan fungere i realtid uden for laboratoriet, hvilket potentielt kan revolutionere datacentre, autonome køretøjer og andre AI-intensive applikationer.
Projektet, som er finansieret af Det Finske Forskningsråd, det Franske Nationale Forskningsagentur og Det Europæiske Forskningsråd, markerer et fundamentalt skifte i computerparadigmer, der kan bidrage til at løse den voksende energikrise i AI-beregning og samtidig muliggøre stærkere og mere responsive AI-systemer.