211service.com
Gjør AI-algoritmer vanvittig raske ved å bruke brikker drevet av lys
Ms. teknologi; Chip av Ben Davis, RO
Inne i et lite laboratorium i Bostons havnedistrikt, begravd i et virvar av lasere, linser, speil og et virvar av ledninger, er en liten brikke som kan være i ferd med å ha en stor innvirkning på verden av kunstig intelligens.
Laboratoriet tilhører Lightelligence , en oppstart som utvikler en radikalt ny type AI-akseleratorbrikke. I stedet for å bruke elektroner til å utføre de matematiske kjerneberegningene som trengs for maskinlæring, bruker selskapets prototypeenhet lys.
I teorien betyr overføring av informasjon med lysets hastighet at en slik enhet kan la AI-algoritmer kjøre hundrevis av ganger raskere enn dagens beste AI-brikker. Siden rå datakraft utgjør en slik forskjell i maskinlæring, kan dette bety mye kraftigere og dyktigere algoritmer. I praksis vil imidlertid hastigheten til den optiske brikken avhenge av hvor raskt den kan samhandle med konvensjonelle komponenter, som en datamaskins minne. Og Lightelligence må skrive algoritmer som kan vri så mye hastighet ut av oppsettet som mulig.
Deep learning, en maskinlæringstilnærming løst inspirert av måten hjerner er koblet til, har tatt teknologibransjen med storm de siste årene. Det har vist seg utrolig kraftig for treningsmaskiner til å utføre verdifulle oppgaver som å merke bilder og oversette tekst. Bedrifter, i mellomtiden, raser for å implementere metoden på flere og mer nyttige måter.
Fremveksten av dyp læring har allerede utløst en boom i kommersiell aktivitet rundt nye brikkedesign optimalisert for de viktige matematiske beregningene som er involvert. Nå ser det ut til at det også inspirerer fundamentalt forskjellige tilnærminger til databehandling.
Jeg besøkte nylig Lightelligence for å møte selskapets administrerende direktør, Yichen Shen, en selvsikker mann i 20-årene. Iført en fleecegenser og et bredt glis introduserte han hver av selskapets dusin eller så ansatte og viste meg deretter rundt i laboratoriet.
Arash Hosseinzadeh fra Lightelligence jobber ved en optisk benk i selskapets laboratorium.
Lys gir viktige fordeler for AI, forklarte Shen. Fotoner er raskere enn elektroner, og deres bevegelse gjennom en brikkes kretsløp vil ikke overopphete den. Men å regne med lys er også veldig utfordrende. Tidligere forsøk på å bygge optiske databrikker har mislyktes fordi det er vanskelig å emulere en transistor optisk og fordi lys oppfører seg på en mindre forutsigbar måte.
Men ligningen endrer seg i epoken med dyp læring, sier Shen. Optiske brikker er godt egnet til å utføre matrisemultiplikasjoner, beregninger som er sentrale for dyp læring. Nevrale nettverk er også iboende lineære, og det er lineære beregninger der optiske enheter utmerker seg.
Shen sier at han og kollegene hans hos Lightelligence nylig sendte sin første ferdige brikkedesign til en produsent og forventer de første brikkene tilbake om noen uker. Vi synes det er en veldig unik og interessant mulighet til å teste ut denne ideen, sier han.
Forskere utforsker alle slags nye muligheter innen materialer og optikk. Tidligere i år utviklet et team av forskere ved UCLA en ny dyplæringsenhet laget ved 3D-printing av forskjellige brytningspolymerer. Detaljer om teamets enhet, kalt et diffraktivt dypt nevralt nettverk (D2NN), var publisert i tidsskriftet Science .
Det er det ikke-intuitive aspektet ved dyp læring som har endret hvordan vi ser på fysisk og optoelektronisk design. Noe av det fører til nye måter å regne på, sier Aydogan Ozcan , en professor ved UCLA som ledet arbeidet. Noe av det fører til å designe komponenter, systemer, som fungerer annerledes enn tradisjonelle systemer.
Kommersialisering av teknologien kan også være mer praktisk nå enn det var før.
Dan Hutchinson, en analytiker ved VLSI Research som sporer nyskapende brikkedesign, sier interessen for nye optiske brikker vokser takket være fremgang i design og produksjon av enheter som brukes til nettverk. Optiske brikker er også relativt enkle og billige å lage, noe som senker inngangsbarrieren for startups, sier han.
Lightelligence vil likevel møte store utfordringer. Zhangxi Tan, en veteran fra chipindustrien og administrerende direktør for en annen chip-oppstart, VÅR teknologi , sier selv om brikken fungerer som lovet, kan den vise seg å være vanskelig å produsere i stor skala. Det vil være en utfordring å pakke og teste en helt ny brikkedesign, spesielt når det ikke finnes noen gode programvaredesignverktøy for en slik optisk enhet. Lys er veldig elegant på papiret, men de omkringliggende elektroniske kretsene dine - laserdriverne dine, fotonmottakerkretsene dine, elektroniske modulatorer - er veldig stygge, sier Tan.
Likevel går innsatsen raskt.
Bare i fjor var Shen en doktorgradsstudent som studerte fotoniske materialer i laboratoriet til Marin Soljacic ved MIT. Sammen med Soljacic og flere andre elever har han publiserte en artikkel i tidsskriftet Nature Photonics som beskriver en ny måte å utføre nevrale nettverksberegninger ved å bruke optisk interferens. Ideen om et selskap ble klekket ut før avisen i det hele tatt ble publisert, takket være en samtale fra en venturekapitalist fra vestkysten.
Selskapet har også en søskenrival. Lightelligence ble dannet da Shen og andre hoppet av fra et selskap kalt Lightmatter. Administrerende direktør i Lightmatter er en av Shens medforfattere på det originale papiret, og det selskapet har samlet inn tilsvarende beløp for sin egen optiske dyplæringsbrikke. Kanskje en sunn rivalisering kan bidra til å fremskynde utviklingen av teknologien.
Det er betydelige hindringer fremover, men hvis et av disse selskapene kan overvinne dem, kan det bare lyse opp AI-verdenen.