Onderzoekers hebben een nieuwe optische computerarchitectuur onthuld die een cruciaal knelpunt in de ontwikkeling van kunstmatige intelligentie (AI) zou kunnen overwinnen: de snelheid waarmee AI-modellen gegevens verwerken. De doorbraak, gepubliceerd in Nature Photonics, maakt gebruik van licht in plaats van elektriciteit om berekeningen uit te voeren, wat mogelijk een revolutie teweegbrengt in de manier waarop AI-systemen worden getraind en bediend.
Het tensorknelpunt in de huidige AI-systemen
Moderne AI is afhankelijk van ‘tensoren’ – complexe datastructuren die informatie organiseren als een zeer efficiënte archiefkast. Terwijl AI-modellen leren, sorteren ze gegevens in deze tensoren. De snelheid waarmee deze tensoren kunnen worden verwerkt is een fundamentele beperking; hoe groter het model, hoe langzamer de verwerking wordt. Momenteel hebben zelfs de krachtigste AI-systemen van bedrijven als OpenAI en Google duizenden grafische verwerkingseenheden (GPU’s) nodig die parallel draaien om te kunnen functioneren.
Het probleem is dat de meeste optische computersystemen, hoewel ze op kleine schaal sneller en energiezuiniger zijn, niet gemakkelijk kunnen worden opgeschaald. In tegenstelling tot GPU’s, die aan elkaar kunnen worden gekoppeld voor exponentiële verwerkingswinst, werken optische systemen doorgaans lineair. Deze beperking heeft ze historisch gezien minder aantrekkelijk gemaakt voor ontwikkelaars, ondanks hun theoretische voordelen.
Parallelle optische matrix-matrixvermenigvuldiging (POMMM)
De nieuwe architectuur, genaamd Parallel Optical Matrix-Matrix Multiplication (POMMM), omzeilt dit schaalbaarheidsprobleem. Het voert meerdere tensoroperaties tegelijkertijd uit met behulp van een enkele laserstoot, in tegenstelling tot eerdere optische methoden waarbij herhaaldelijk laservuur nodig was. Dit betekent dat AI-systemen theoretisch gegevens kunnen verwerken met snelheden die voorheen onhaalbaar waren, terwijl ze ook het energieverbruik zouden verminderen.
Onderzoekers codeerden digitale gegevens in de amplitude en fase van lichtgolven en veranderden deze in een fysieke eigenschap binnen het optische veld. Als gevolg hiervan vinden wiskundige bewerkingen passief plaats terwijl het licht zich voortplant, zonder dat er extra stroom nodig is. De wetenschappers zeggen dat deze aanpak kan worden geïmplementeerd op bestaande optische hardware.
Implicaties voor AI-ontwikkeling
De potentiële impact is aanzienlijk. Volgens Zhipei Sun, leider van de Photonics Group van Aalto University, zou dit raamwerk binnen de komende drie tot vijf jaar kunnen worden geïntegreerd in fotonische chips, waardoor op licht gebaseerde processors complexe AI-taken kunnen uitvoeren met extreem lage stroomvereisten.
Sommige experts zijn van mening dat deze doorbraak een stap is in de richting van kunstmatige algemene intelligentie (AGI) – een hypothetisch AI-systeem dat de menselijke intelligentie overtreft en over disciplines heen leert. Hoewel het onderzoekspaper AGI niet expliciet vermeldt, wordt wel de nadruk gelegd op algemeen computergebruik. Het idee dat het opschalen van de huidige AI-technieken zal leiden tot AGI is populair onder sommigen in de computerwetenschapsgemeenschap. Anderen, zoals Yann LeCun van Meta, beweren dat de huidige AI-architecturen nooit AGI zullen bereiken, ongeacht de schaal.
Ongeacht het AGI-debat neemt de POMMM-architectuur een belangrijk knelpunt in het veld weg. Door beperkingen in de tensorverwerkingssnelheid te overwinnen, konden ontwikkelaars AI-modellen bouwen die de huidige mogelijkheden overtreffen. Dit zou de vooruitgang op verschillende gebieden kunnen versnellen, van wetenschappelijke ontdekkingen tot geautomatiseerde besluitvorming.
Deze ontwikkeling kan het tempo van AI-innovatie versnellen en mogelijk de toekomst van computers en kunstmatige intelligentie opnieuw vormgeven.
