Η αναλογική οπτική υπολογιστική της Microsoft υπόσχεται επανάσταση στην τεχνητή νοημοσύνη
Μια μικρή ομάδα από το Microsoft Research έθεσε υψηλούς στόχους πριν από τέσσερα χρόνια, όταν αποφάσισε να δημιουργήσει έναν αναλογικό οπτικό υπολογιστή που θα χρησιμοποιεί το φως ως μέσο για την επίλυση πολύπλοκων προβλημάτων. Από την αρχή, στόχος τους ήταν να τον κατασκευάσουν χρησιμοποιώντας εμπορικά διαθέσιμα εξαρτήματα, όπως μικρο-LED φώτα, οπτικούς φακούς και αισθητήρες από κάμερες κινητών τηλεφώνων, ώστε να είναι προσιτός και να μπορεί να παραχθεί με τις υπάρχουσες αλυσίδες εφοδιασμού. Οραματίστηκαν μια συσκευή που θα μπορούσε να είναι 100 φορές πιο γρήγορη και 100 φορές πιο ενεργειακά αποδοτική στην επίλυση ορισμένων προβλημάτων, καθώς και ανθεκτική και πρακτική, λειτουργώντας σε θερμοκρασία δωματίου όπως ένας επιτραπέζιος υπολογιστής.
Αναλογικός οπτικός υπολογιστής: Μια νέα προσέγγιση στην υπολογιστική
Σε αντίθεση με έναν τυπικό δυαδικό ψηφιακό υπολογιστή, ένας αναλογικός οπτικός υπολογιστής (AOC) χρησιμοποιεί φυσικά συστήματα για να ενσωματώσει τους υπολογισμούς που εκτελεί, αποφεύγοντας ορισμένες θεμελιώδεις περιοριστικές πτυχές της ψηφιακής υπολογιστικής. Ένας αρκετά μεγάλος AOC θα μπορούσε να επιλύσει γρήγορα μια κατηγορία προβλημάτων με τα οποία οι δυαδικοί υπολογιστές δυσκολεύονται, όπως ελπίζει η ομάδα. Τα προβλήματα βελτιστοποίησης αποτελούν τη βάση πολλών διαδικασιών στους τομείς της χρηματοοικονομίας, της εφοδιαστικής αλυσίδας και της υγειονομικής περίθαλψης. Απαιτούν την επιλογή των καλύτερων λύσεων μεταξύ ενός ακατανόητου αριθμού πιθανών απαντήσεων. Οι ερευνητές χρησιμοποίησαν τον AOC σε δύο τύπους προβλημάτων βελτιστοποίησης, ένα που αφορούσε σύνθετες τραπεζικές συναλλαγές και το άλλο στη χρήση μαγνητικών τομογραφιών.
Υποσχέσεις για την τεχνητή νοημοσύνη και την υγειονομική περίθαλψη
Ένα άλλο σημαντικό επίτευγμα που περιγράφεται από τους ερευνητές είναι το δυναμικό του AOC να εκτελεί εργασίες τεχνητής νοημοσύνης με ένα κλάσμα της ενέργειας που απαιτείται και με πολύ μεγαλύτερη ταχύτητα από τις GPU που εκτελούν τα σημερινά μεγάλα γλωσσικά μοντέλα. Το έργο περιγράφεται σε ένα άρθρο που δημοσιεύεται σήμερα στο επιστημονικό περιοδικό Nature. Ταυτόχρονα, η Microsoft μοιράζεται δημόσια τον αλγόριθμο “optimization solver” και το “ψηφιακό δίδυμο” που ανέπτυξε, ώστε ερευνητές από άλλους οργανισμούς να μπορούν να διερευνήσουν αυτό το νέο υπολογιστικό παράδειγμα και να προτείνουν νέα προβλήματα προς επίλυση και νέους τρόπους επίλυσής τους.
Συνεργασίες και εφαρμογές σε πραγματικά προβλήματα
Η ομάδα που αναπτύσσει τον AOC αποτελείται από ειδικούς από διάφορους τομείς, συμπεριλαμβανομένου του Kiril Kalinin, ανώτερου ερευνητή με εξειδίκευση στη βελτιστοποίηση και τη μηχανική μάθηση, ο οποίος συνεργάστηκε με την ερευνητική ομάδα της Barclays για να δημιουργήσει ένα δείγμα προβλήματος εκκαθάρισης συναλλαγών και να το επιλύσει. Το πρόβλημα που δημιούργησαν η Barclays και η Microsoft Research περιλάμβανε έως και 1.800 υποθετικά μέρη και 28.000 συναλλαγές. Αυτό αντιπροσωπεύει μόνο μια παρτίδα συναλλαγών μεταξύ των εκατοντάδων χιλιάδων που εκκαθαρίζονται καθημερινά σε ένα μεγάλο κέντρο εκκαθάρισης. Η επίλυση μιας αντιπροσωπευτικής μικρότερης έκδοσης του προβλήματος στο πραγματικό υλικό και μεγαλύτερων στο ψηφιακό δίδυμο έδειξε ότι θα μπορούσε να γίνει σε πολύ μεγαλύτερη κλίμακα με τις μελλοντικές γενιές του AOC.
Βελτιστοποιημένες διαδικασίες και μελλοντικές προοπτικές
Ένας πολλά υποσχόμενος τομέας για τους αναλογικούς οπτικούς υπολογιστές είναι οι μαγνητικές τομογραφίες. Οι ερευνητές της Microsoft δημιούργησαν έναν αλγόριθμο για τον AOC που θα μπορούσε να λύσει ένα πρόβλημα βελτιστοποίησης που θα μείωνε την ποσότητα των δεδομένων που απαιτούνται για την παραγωγή ενός ακριβούς αποτελέσματος. Το άρθρο στο Nature περιγράφει πώς αυτή η χρήση του AOC θα μπορούσε ενδεχομένως να επιτρέψει μια πολύ ταχύτερη σάρωση, καθιστώντας δυνατή την πραγματοποίηση περισσότερων σαρώσεων με μία μαγνητική τομογραφία κάθε μέρα.
Συμπεράσματα: Η αναλογική οπτική υπολογιστική ως το μέλλον της υπολογιστικής
Από την αρχή του έργου AOC, η ομάδα ήλπιζε να μπορέσει να το χρησιμοποιήσει για την εκτέλεση εργασιών τεχνητής νοημοσύνης. Αρχικά, δεν έβλεπαν σαφή πορεία προς τα εμπρός. Αυτό άλλαξε με μια τυχαία στιγμή κατά τη διάρκεια ενός γεύματος στην ομάδα του Microsoft lab στο Cambridge. Ο Jannes Gladrow, κύριος ερευνητής με ειδικότητα στην τεχνητή νοημοσύνη και τη μηχανική μάθηση, είδε πιθανούς τρόπους να αξιοποιήσει τις μοναδικές ιδιότητες του AOC. Ο Gladrow και ο Jiaqi Chu από την ερευνητική ομάδα του AOC συνεργάστηκαν για να χαρτογραφήσουν έναν αλγόριθμο στον AOC που θα του επέτρεπε να εκτελεί απλές εργασίες μηχανικής μάθησης. Η επιτυχία της ομάδας στην εκτέλεση αυτών των εργασιών περιγράφεται στο άρθρο του Nature και δείχνει προς ένα μέλλον όπου θα μπορούσε να εκτελεί μεγάλα γλωσσικά μοντέλα.
