מחקר חדש בודק את הפוטנציאל של רשתות נוירוניות פוטוניות לביצועים מהירים וירוקים יותר של בינה מלאכותית

This post is also available in: English (אנגלית)

ככל שמודלים של בינה  מלאכותית הופכים מורכבים יותר, הביקוש לכוח חישוב גדול יותר עוקף את היכולות של מערכות דיגיטליות מסורתיות. כעת, מחקר חדש שפורסם ב-Nature מצביע על פתרון אפשרי: רשתות נוירוניות פיזיות שמעבדות מידע באמצעות התכונות הבסיסיות של האור.

המחקר, מאמץ משותף של מוסדות כמו פוליטכניקו די מילאנו, EPFL, אוניברסיטת סטנפורד, אוניברסיטת קימברידג' ומכון מקס פלאנק, בודק כיצד מערכות אנלוגיות יכולות להתאמן כדי לבצע משימות בינה  מלאכותית באמצעות חומרה פוטונית. מערכות אלו עוקפות את המגבלות של חישוב דיגיטלי סטנדרטי על ידי ביצוע חישובים מתמטיים ישירות באמצעות התאבכות גלי אור על שבבים מיקרוסקופיים העשויים סיליקון.

על פי TechXplore, במרכז הגישה הזו נמצאים שבבים פוטוניים משולבים—שבבים זעירים שיכולים לבצע חישובים מורכבים במהירות גבוהה ובצריכת אנרגיה נמוכה. בניגוד למעבדים קונבנציונליים, הדורשים המרת מידע לאותות דיגיטליים ואחסונו בזיכרון, שבבים פוטוניים מעבדים את המידע באמצעות אותות אור בלבד. זה מייתר את הצורך בצעדים של המרה שמאטי את הביצועים ומגבירים את השימוש באנרגיה.

המחקר מתמקד בשלב קריטי בהתפתחות בינה מלאכותית: אימון הרשת לביצוע משימות ספציפיות. החוקרים פיתחו שיטה לאימון "in-situ" עבור רשתות נוירוניות פוטוניות, כלומר, תהליך הלמידה מתרחש ישירות בתוך המערכת הפיזית תוך שימוש באותות אופטיים בלבד. זה מאפשר לשלב האימון להיות מהיר יותר וייתכן שגם יציב יותר.

אחת מההשלכות המרכזיות של טכנולוגיה זו היא הפוטנציאל שלה לאפשר עיבוד בינה מלאכותית בזמן אמת ישירות במכשיר הקצה—בתוך רכבים אוטונומיים, חיישנים לבישים או מערכות מוטמעות אחרות. מכיוון ששבבים פוטוניים הם קומפקטיים ויעילים, ניתן לשלבם במכשירים שבהם חומרה בינה  מלאכותית מסורתית תהיה מסורבלת מדי או תדרוש יותר מדי אנרגיה.

העבודה הזו מסמנת צעד לקראת הפיכת הבינה המלאכותית לא רק לחזקה יותר, אלא גם בת קיימא יותר, במיוחד כאשר התעשייה מתמודדת עם דרישות האנרגיה הגוברות של פריסות בינה  מלאכותית בקנה מידה רחב.