Σε μια πρωτοποριακή εξέλιξη που ενδέχεται να αναδιαμορφώσει το μέλλον της τεχνητής νοημοσύνης, ερευνητές απέδειξαν ότι οι οπτικές ίνες—η ίδια τεχνολογία που φέρνει το διαδίκτυο στα σπίτια μας—ενδέχεται σύντομα να αντικαταστήσουν το πυρίτιο ως θεμέλιο των συστημάτων επεξεργασίας ΤΝ.
Η συνεργατική μελέτη, υπό την καθοδήγηση της Δρ. Mathilde Hary από το Πανεπιστήμιο του Τάμπερε στη Φινλανδία και του Δρ. Andrei Ermolaev από το Πανεπιστήμιο Marie et Louis Pasteur στη Γαλλία, έδειξε ότι ισχυροί παλμοί λέιζερ που διαπερνούν υπέρλεπτες οπτικές ίνες μπορούν να εκτελούν υπολογισμούς τύπου ΤΝ με ταχύτητες χιλιάδες φορές μεγαλύτερες από τα παραδοσιακά ηλεκτρονικά συστήματα.
«Αντί να χρησιμοποιούμε συμβατικά ηλεκτρονικά και αλγορίθμους, η υπολογιστική επιτυγχάνεται αξιοποιώντας τη μη γραμμική αλληλεπίδραση μεταξύ έντονων παλμών φωτός και του γυαλιού», εξηγούν οι Hary και Ermolaev. Το σύστημά τους υλοποιεί μια προσέγγιση εμπνευσμένη από νευρωνικά δίκτυα, γνωστή ως Extreme Learning Machine, επιτυγχάνοντας σχεδόν κορυφαία αποτελέσματα σε εργασίες όπως η αναγνώριση εικόνας σε λιγότερο από ένα τρισεκατομμυριοστό του δευτερολέπτου.
Η ανακάλυψη αυτή απαντά σε μια αυξανόμενη πρόκληση στην ανάπτυξη της ΤΝ. Καθώς τα μοντέλα γίνονται ολοένα και πιο σύνθετα, τα παραδοσιακά συστήματα πυριτίου πλησιάζουν τα όρια τους ως προς το εύρος ζώνης, τη διαμεταγωγή δεδομένων και την κατανάλωση ενέργειας. Αξιοποιώντας το φως αντί για το ηλεκτρικό ρεύμα, αυτή η οπτική προσέγγιση στην υπολογιστική θα μπορούσε να αυξήσει δραματικά τις ταχύτητες επεξεργασίας, μειώνοντας παράλληλα τις ενεργειακές απαιτήσεις—μια κρίσιμη εξέλιξη καθώς τα κέντρα δεδομένων πασχίζουν να ανταποκριθούν στις αυξανόμενες ενεργειακές ανάγκες των συστημάτων ΤΝ.
Τα μοντέλα των ερευνητών δείχνουν πώς παράγοντες όπως η διασπορά, η μη γραμμικότητα και ακόμη και ο κβαντικός θόρυβος επηρεάζουν την απόδοση, παρέχοντας ουσιαστική γνώση για το σχεδιασμό της επόμενης γενιάς υβριδικών οπτικο-ηλεκτρονικών συστημάτων ΤΝ. «Η εργασία αυτή δείχνει πώς η θεμελιώδης έρευνα στη μη γραμμική οπτική ινών μπορεί να οδηγήσει σε νέες προσεγγίσεις στην υπολογιστική. Ενοποιώντας τη φυσική με τη μηχανική μάθηση, ανοίγουμε νέους δρόμους προς ταχύτατο και ενεργειακά αποδοτικό υλικό ΤΝ», δηλώνουν οι επικεφαλής του έργου.
Κοιτώντας προς το μέλλον, οι ομάδες στοχεύουν στην ανάπτυξη οπτικών συστημάτων σε chip που θα λειτουργούν σε πραγματικό χρόνο εκτός εργαστηρίου. Πιθανές εφαρμογές εκτείνονται από την επεξεργασία σημάτων σε πραγματικό χρόνο και την περιβαλλοντική παρακολούθηση, έως την ταχύτατη εξαγωγή συμπερασμάτων από συστήματα ΤΝ—δυνατότητες που θα μπορούσαν να μεταμορφώσουν κλάδους όπως οι τηλεπικοινωνίες και τα αυτόνομα οχήματα. Η έρευνα χρηματοδοτείται από το Ερευνητικό Συμβούλιο της Φινλανδίας, τη Γαλλική Εθνική Υπηρεσία Έρευνας και το Ευρωπαϊκό Συμβούλιο Έρευνας.