MIT-Forscher haben eine neue Technologie für maschinelles Lernen erfunden, die auf Licht basiert, um KIs zu schaffen, die 25-mal leistungsfähiger und 100-mal energieeffizienter sind als die von chatgpt. Eine große Innovation, die Ihr Smartphone so leistungsstark machen könnte wie ein Rechenzentrum …
In den letzten Monaten hat sich ChatGPT als etabliert eine disruptive Technologie für viele Branchen. Seine Fähigkeit, aus einer einfachen Eingabeaufforderung heraus Texte oder sogar Computercode zu schreiben, verändert die Arbeitswelt.
Jetzt hat ein Team von MIT-Wissenschaftlern ein System entwickelt, das dies könnte führen zu deutlich leistungsfähigeren KIs als das von ChatGPT.
Darüber hinaus würde dieses System verbrauchen deutlich weniger Energie als Supercomputer modernste Technologie, auf der aktuelle Modelle des maschinellen Lernens basieren…
Also, was ist es? Ihr System führt die Berechnungen basierend auf durch die Bewegung von Licht und nicht von Elektronenmit Hunderten von mikroskopisch kleinen Lasern.
L‘Die Energieeffizienz würde sich verhundertfachenund die Rechendichte wäre 25-mal höher. Dies ist das Leistungsmaß, das im Bereich des maschinellen Lernens verwendet wird.
Darüber hinaus, Das Team sagt, es sei erst der Anfang und dass zukünftige Verbesserungen die Leistung und Effizienz weiter steigern könnten.
Ihr Smartphone wird so leistungsstark wie ein Rechenzentrum
Daher, so die Autoren, diese Technik ebnet den Weg für optoelektronische Prozessoren in großem Maßstab, um maschinelle Lernaufgaben von Rechenzentren bis hin zu Edge-Geräten zu beschleunigen ».
und kurz, Ihr Smartphone und andere Kleingeräte könnte in der Lage sein, Programme auszuführen, die derzeit die Leistung riesiger Serverfarmen erfordern….
Noch besser: Systemkomponenten können mit erstellt werden Herstellungsverfahren, die bereits heute zum Einsatz kommen. Daher könnte die Technologie sein innerhalb weniger Jahre kommerzialisiert nur.
Beispielsweise werden Laser bereits in großem Umfang zur Datenkommunikation und Gesichtserkennung eingesetzt wie iphone Face ID.
Das System, das die Grenzen von ChatGPT überschreitet
Laut einem der Hauptforscher des Projekts, Dirk Englund, „ Die Größe von ChatGPT ist durch die Leistung von Supercomputern begrenzt aktuell. Es ist einfach wirtschaftlich nicht sinnvoll, größere Modelle zu trainieren ».
Ihre neue Technologie wird es tatsächlich ermöglichen « ein riesiger Sprung für Modelle des maschinellen Lernens was sonst in naher Zukunft nicht möglich gewesen wäre.
Was wird das sein Funktionen von ChatGPT mit 100-mal mehr Leistung? Selbst diese Wissenschaftler sind nicht in der Lage, es vorherzusagen …
Eine bahnbrechende Architektur für optische neuronale Netze
Die Verwendung von Licht anstelle von Elektronen für tiefe neuronale Netze verbraucht nicht nur weniger Strom, sondern erreicht auch mehr Bandbreite oder Rechendichte. Dort Licht überträgt viel mehr Informationen auf einer kleineren Fläche.
Jedoch, optische neuronale Netze (ONN) Die aktuellen haben große Schwächen. Sie verbrauchen viel Energie, da sie eingehende Daten, die auf elektrischer Energie basieren, ineffizient in Licht umwandeln.
DER Auch die benötigten Komponenten sind groß und benötigen Platz. Und obwohl sie sich gut für lineare Berechnungen wie Addition eignen, sind sie für nichtlineare Berechnungen wie Multiplikation nicht besonders gut geeignet.
Um diese Hindernisse zu überwinden, entwickelten die Forscher eine beispiellose kompakte Architektur. Dies basiert auf Vertical Surface Emitting Laser Arrays (VCSELs): einer relativ neuen Technologie, die in Anwendungen wie Laserdruck und LIDAR-Sensoren eingesetzt wird.
Ein Team an der Spitze der künstlichen Intelligenz
Dieser Fortschritt ist es nicht Das ist Englunds jüngster Erfolg und seine Kollegen. Bereits 2019 hatte sein Team die theoretischen Arbeiten vorgestellt, die zu dieser Demonstration führten.
Zu diesen Forschern gehören Ryan Hamerlu, Alexander Sludds, Ronald Davis, Ian Christen, Liane Bernstein und Lamia Ateshian vom Research Laboratory of Electronics sowie Tobias Heuser, Niels Heermeier, James A. Lott und Stephan Reitzenstein von der Technischen Universität Berlin.
Für weitere Informationen können Sie Entdecken Sie die erste experimentelle Demonstration veröffentlicht in der Zeitschrift Nature Photonis vom 17. Juli 2023!
/–>
