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 Istituto Max Planck per la scienza della luce portare avanti la loro ricerca dimostrando una metodo semplice per ridurre il consumo energetico tramite l'intelligenza artificiale. È necessario considerare la necessità di un'alternativa più economica ed efficiente dal punto di vista energetico al calcolo neuromorfico. Il calcolo neuromorfico sostituisce le reti neurali dei nostri computer con reti neurali fisiche. Questo consente di eseguire operazioni matematiche fisicamente più velocemente e in modo più efficiente dal punto di vista 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.
Direttore dell'Istituto, Florian Marquard spiega, "Normalmente, l'input dei dati viene impresso sul campo luminoso. Tuttavia, nei nostri nuovi metodi, proponiamo di imprimere l'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, dove le interferenze reciproche non si influenzano a vicenda. Pertanto, con il nuovo approccio, è possibile evitare interazioni fisiche complicate per eseguire le funzioni matematiche richieste.
Nelle parole di Clara Wanjura, ha affermato il primo autore dello studio, “Allo stesso tempo, questo consente 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'intelligenza artificiale,
Conclusione
Con diverse dimostrazioni, i ricercatori stanno pianificando di collaborare con diversi gruppi sperimentali per esplorare l'implementazione del loro metodo in diverse condizioni. L'approccio secondo cui le reti neurali possono rendere l'apprendimento automatico più sostenibile, in caso di successo, è questo sistema per i dispositivi neuromorfici possono essere utilizzati per allenare fisicamente un'ampia gamma di piattaforme.
Fonte: Calcolo neuromorfico completamente non lineare con diffusione di onde lineari
