Con la crescente diffusione dell'apprendimento automatico e dell'intelligenza artificiale, possiamo notare la loro presenza in ambiti che spaziano dalla visione artificiale alla generazione di testo. Tuttavia, queste azioni richiedono reti neurali complesse e un consumo energetico esponenzialmente elevato. Queste tecnologie stanno diventando sempre meno sostenibili a causa del crescente fabbisogno energetico per l'addestramento. Per ridurre questo problema, i ricercatori hanno trovato un modo in cui le reti neurali possono rendere l'apprendimento automatico più sostenibile.
I ricercatori del Max Planck Institute for Science of Light presentano una ricerca che dimostra un metodo semplice per ridurre il consumo energetico dell'intelligenza artificiale. Si rende necessaria un'alternativa più efficiente in termini di costi ed energia rispetto al calcolo neuromorfico. Il calcolo neuromorfico sostituisce le reti neurali dei computer con reti neurali fisiche, consentendo di eseguire operazioni matematiche fisicamente più velocemente e con un minore consumo energetico.
Le sfide
- Per eseguire calcoli matematici complessi sono necessarie elevate potenze laser.
- L'indisponibilità di metodi di addestramento generali per tali reti neurali fisiche.
Il direttore dell'Istituto, Florian Marquardt, spiega: "Normalmente, i dati di input vengono impressi sul campo luminoso. Tuttavia, nei nostri nuovi metodi, proponiamo di imprimere i dati di input modificando la trasmissione della luce."
Punti Salienti
- La fotonica e l'ottica vengono viste come piattaforme promettenti per il calcolo neuromorfico poiché mantengono il consumo energetico al minimo.
- È possibile eseguire calcoli in parallelo a velocità molto elevate.
- Entrambe le sfide possono essere superate con il nuovo metodo proposto dai ricercatori, poiché il segnale di input viene elaborato in modo arbitrario.
Il campo luminoso si comporta nel modo più semplice, in cui le interferenze reciproche non si influenzano a vicenda. Pertanto, con il nuovo approccio, è possibile evitare complesse interazioni fisiche per eseguire le funzioni matematiche richieste.
Come ha affermato Clara Wanjura , prima autrice dello studio, "Allo stesso tempo, questo permette di misurare tutte le informazioni rilevanti per la formazione".
Inoltre, secondo un'altra ricerca, i nuovi chip per computer possono aumentare l'efficienza energetica dell'IA ,
Conclusione
Attraverso varie dimostrazioni, i ricercatori intendono collaborare con diversi gruppi sperimentali per esplorare l'implementazione del loro metodo in diverse condizioni. L'approccio basato sulle reti neurali, che può rendere l'apprendimento automatico più sostenibile, se avrà successo, consentirà a questo sistema per dispositivi neuromorfici di essere utilizzato per addestrare fisicamente un'ampia gamma di piattaforme.
Fonte : Calcolo neuromorfico completamente non lineare con diffusione di onde lineari
