Far impazzire gli algoritmi di intelligenza artificiale utilizzando chip alimentati dalla luce

SM. tecnologia; Chip di Ben Davis, RO

All'interno di un piccolo laboratorio nel distretto portuale di Boston, sepolto in un miscuglio di laser, lenti, specchi e un groviglio di cavi, c'è un minuscolo chip che potrebbe avere un grande impatto sul mondo dell'intelligenza artificiale.

Il laboratorio appartiene a Leggerezza , una startup che sta sviluppando un tipo radicalmente nuovo di chip acceleratore AI. Invece di utilizzare gli elettroni per eseguire i calcoli matematici di base necessari per l'apprendimento automatico, il dispositivo prototipo dell'azienda utilizza la luce.

In teoria, il trasferimento di informazioni alla velocità della luce significa che un tale dispositivo potrebbe consentire agli algoritmi di intelligenza artificiale di funzionare centinaia di volte più velocemente dei migliori chip di intelligenza artificiale di oggi. Dal momento che la pura potenza del computer fa una tale differenza nell'apprendimento automatico, ciò potrebbe significare algoritmi molto più potenti e capaci. In pratica, però, la velocità del chip ottico dipenderà dalla velocità con cui può interagire con i componenti convenzionali, come la memoria di un computer. E Lightelligence ha bisogno di scrivere algoritmi in grado di ridurre il più possibile la velocità di installazione.

Il deep learning, un approccio di apprendimento automatico vagamente ispirato al modo in cui i cervelli sono cablati, ha preso d'assalto l'industria tecnologica negli ultimi anni. Si è dimostrato incredibilmente potente per addestrare le macchine a svolgere attività preziose come etichettare immagini e tradurre testo. Le aziende, nel frattempo, corrono per implementare il metodo in modi sempre più utili.

L'ascesa del deep learning ha già innescato un boom dell'attività commerciale attorno a nuovi design di chip ottimizzati per i calcoli matematici chiave coinvolti. Ora sembra che stia anche ispirando approcci fondamentalmente diversi all'informatica.

Di recente ho visitato Lightelligence per incontrare il suo CEO, Yichen Shen, un uomo sicuro di sé sulla ventina. Indossando un maglione di pile e un ampio sorriso, ha presentato ciascuno dei circa dozzine di dipendenti dell'azienda e poi mi ha mostrato il laboratorio.

Arash Hosseinzadeh di Lightelligence lavora su un banco ottico nel laboratorio dell'azienda.

La luce offre vantaggi chiave per l'IA, ha spiegato Shen. I fotoni sono più veloci degli elettroni e il loro movimento attraverso i circuiti di un chip non lo surriscalderà. Ma anche il calcolo con la luce è molto impegnativo. I precedenti tentativi di costruire chip per computer ottici sono falliti perché è difficile emulare otticamente un transistor e perché la luce si comporta in modo meno prevedibile.

Ma l'equazione sta cambiando nell'era del deep learning, dice Shen. I chip ottici sono adatti per eseguire moltiplicazioni di matrici, calcoli che sono fondamentali per il deep learning. Anche le reti neurali sono intrinsecamente lineari e sono i calcoli lineari in cui i dispositivi ottici eccellono.

Shen afferma che lui e i suoi colleghi di Lightelligence hanno recentemente inviato il loro primo progetto di chip finalizzato a un produttore e si aspettano che i primi chip tornino tra poche settimane. Pensiamo che sia un'opportunità davvero unica e interessante per testare questa idea, dice.

I ricercatori stanno esplorando tutti i tipi di nuove opportunità nei materiali e nell'ottica. All'inizio di quest'anno, un team di ricercatori dell'UCLA ha sviluppato un nuovo dispositivo di apprendimento profondo creato stampando in 3D diversi polimeri rifrangenti. I dettagli del dispositivo del team, soprannominato una rete neurale profonda diffrattiva (D2NN), erano pubblicato sulla rivista Scienza .

È l'aspetto non intuitivo del deep learning che ha cambiato il modo in cui guardiamo al design fisico e optoelettronico. Alcuni di essi stanno portando a nuovi modi di calcolare, dice Aydogan Ozcan , un professore dell'UCLA che ha guidato il lavoro. Alcuni di essi stanno portando alla progettazione di componenti, sistemi, che funzionano in modo diverso dai sistemi tradizionali.

La commercializzazione della tecnologia potrebbe anche essere più pratica ora di quanto non fosse prima.

Dan Hutchinson, analista di VLSI Research che tiene traccia di progetti di chip innovativi, afferma che l'interesse per i nuovi chip ottici sta crescendo grazie ai progressi nella progettazione e produzione di dispositivi utilizzati per il networking. I chip ottici sono anche relativamente facili ed economici da realizzare, il che abbassa la barriera all'ingresso per le startup, afferma.

Tuttavia, Lightelligence dovrà comunque affrontare grandi sfide. Zhangxi Tan, un veterano dell'industria dei chip e CEO di un'altra startup di chip, LA NOSTRA Tecnologia , afferma che anche se il chip funzionasse come promesso, potrebbe rivelarsi difficile da produrre su larga scala. Sarà una sfida confezionare e testare un design di chip completamente nuovo, soprattutto quando non esistono buoni strumenti di progettazione software per un tale dispositivo ottico. La luce è molto elegante sulla carta, ma i circuiti elettronici circostanti - i driver laser, i circuiti del ricevitore di fotoni, i modulatori elettronici - sono molto brutti, dice Tan

Tuttavia, lo sforzo si sta muovendo rapidamente.

Solo l'anno scorso, Shen era uno studente di dottorato che studiava materiali fotonici nel laboratorio di Marin Soljacic al MIT. Insieme a Soljacic e molti altri studenti, lui ha pubblicato un documento sulla rivista Nature Photonics che descrive un nuovo modo di eseguire calcoli di reti neurali usando l'interferenza ottica. L'idea di una società è nata prima ancora che il giornale fosse pubblicato, grazie a una chiamata di un venture capitalist della costa occidentale.

L'azienda ha anche un rivale fratello. Lightelligence si è formata quando Shen e altri hanno disertato da una compagnia chiamata Lightmatter. Il CEO di Lightmatter è uno dei coautori di Shen sul documento originale e quella società ha raccolto fondi simili per il proprio chip ottico di apprendimento profondo. Forse una sana rivalità potrebbe aiutare ad accelerare lo sviluppo della tecnologia.

Ci sono ostacoli significativi davanti a sé, ma se una di queste aziende riesce a superarli, potrebbe semplicemente illuminare il mondo dell'IA.

nascondere