Forscher haben eine neue optische Computerarchitektur vorgestellt, die einen kritischen Engpass bei der Entwicklung künstlicher Intelligenz (KI) überwinden könnte: die Geschwindigkeit, mit der KI-Modelle Daten verarbeiten. Der in Nature Photonics veröffentlichte Durchbruch nutzt Licht anstelle von Elektrizität, um Berechnungen durchzuführen, was möglicherweise die Art und Weise revolutioniert, wie KI-Systeme trainiert und betrieben werden.
Der Tensor-Engpass in aktuellen KI-Systemen
Moderne KI basiert auf „Tensoren“ – komplexen Datenstrukturen, die Informationen wie ein hocheffizienter Aktenschrank organisieren. Während KI-Modelle lernen, sortieren sie Daten in diese Tensoren. Die Geschwindigkeit, mit der diese Tensoren verarbeitet werden können, stellt eine grundlegende Einschränkung dar; Je größer das Modell, desto langsamer wird die Verarbeitung. Derzeit benötigen selbst die leistungsstärksten KI-Systeme von Unternehmen wie OpenAI und Google Tausende parallel laufende Grafikprozessoren (GPUs), um zu funktionieren.
Das Problem besteht darin, dass die meisten optischen Computersysteme zwar in kleinen Maßstäben schneller und energieeffizienter sind, sich aber nicht einfach skalieren lassen. Im Gegensatz zu GPUs, die für exponentielle Verarbeitungsgewinne miteinander verkettet werden können, arbeiten optische Systeme typischerweise linear. Diese Einschränkung hat sie in der Vergangenheit trotz ihrer theoretischen Vorteile für Entwickler weniger attraktiv gemacht.
Parallele optische Matrix-Matrix-Multiplikation (POMMM)
Die neue Architektur namens Parallel Optical Matrix-Matrix Multiplication (POMMM) umgeht dieses Skalierbarkeitsproblem. Es führt mehrere Tensoroperationen gleichzeitig mit einem einzigen Laserstoß durch, im Gegensatz zu früheren optischen Methoden, die wiederholte Laserschüsse erforderten. Dies bedeutet, dass KI-Systeme Daten theoretisch mit bisher unerreichbaren Geschwindigkeiten verarbeiten könnten und gleichzeitig den Energieverbrauch senken.
Forscher kodierten digitale Daten in die Amplitude und Phase von Lichtwellen und wandelten sie in eine physikalische Eigenschaft im optischen Feld um. Dadurch laufen mathematische Operationen passiv ab, während sich das Licht ausbreitet, ohne dass zusätzliche Energie benötigt wird. Die Wissenschaftler sagen, dass dieser Ansatz auf vorhandener optischer Hardware implementiert werden kann.
Implikationen für die KI-Entwicklung
Die potenziellen Auswirkungen sind erheblich. Laut Zhipei Sun, Leiter der Photonics Group der Aalto University, könnte dieses Framework innerhalb der nächsten drei bis fünf Jahre in photonische Chips integriert werden und es lichtbasierten Prozessoren ermöglichen, komplexe KI-Aufgaben mit extrem geringem Strombedarf auszuführen.
Einige Experten glauben, dass dieser Durchbruch ein Schritt in Richtung künstlicher allgemeiner Intelligenz (AGI) ist – einem hypothetischen KI-System, das die menschliche Intelligenz übertrifft und disziplinübergreifend lernt. Während das Forschungspapier AGI nicht ausdrücklich erwähnt, legt es doch Wert auf Allzweck-Computing. Die Idee, dass die Skalierung aktueller KI-Techniken zu AGI führen wird, ist bei einigen in der Informatik-Community beliebt. Andere, wie Yann LeCun von Meta, argumentieren, dass aktuelle KI-Architekturen unabhängig von der Größenordnung niemals AGI erreichen werden.
Unabhängig von der AGI-Debatte beseitigt die POMMM-Architektur einen wichtigen Engpass auf diesem Gebiet. Durch die Überwindung von Einschränkungen in der Tensor-Verarbeitungsgeschwindigkeit könnten Entwickler KI-Modelle erstellen, die die aktuellen Fähigkeiten übertreffen. Dies könnte den Fortschritt in verschiedenen Bereichen beschleunigen, von der wissenschaftlichen Entdeckung bis zur automatisierten Entscheidungsfindung.
Diese Entwicklung könnte das Tempo der KI-Innovation beschleunigen und möglicherweise die Zukunft von Computern und künstlicher Intelligenz neu gestalten.
