人工智能可能感觉像魔法，但在幕后它消耗了大量的能量。训练模型和运行先进芯片需要强大的计算能力，随着人工智能系统变得越来越复杂，它们的能源需求也随之增长。如果我们希望人工智能不断发展而不会让电费飞涨，就必须做出一些改变。

佛罗里达大学、加州大学洛杉矶分校和乔治华盛顿大学的研究人员相信他们已经找到了一条充满希望的前进道路。他们设计了一种芯片，利用光来执行人工智能训练中一些最苛刻的计算，而不是仅仅依赖流经传统电路的电子。

为什么卷积在人工智能中如此重要

该团队专注于一种特定类型的操作，称为卷积。简而言之，卷积允许人工智能系统检测数据中的模式。它使模型能够识别脸上的眼睛、识别视频中的形状，甚至分析一段文本的结构。

这些操作是现代的核心神经网络。它们也是人工智能系统执行的计算最密集的任务之一。这种强度直接转化为更高的能源消耗。

传统上，这些计算由使用电子电路的强大 GPU 处理。研究人员采取了不同的路线。他们将经典的硅芯片与直接内置的光学元件结合起来。他们的系统不仅可以移动电子，还可以利用光束。

硅蚀刻菲涅尔透镜

这项创新的核心是微小的光学结构，称为菲涅耳透镜。这些扁平超薄透镜与汽车前灯中使用的透镜类似。然而，在这种情况下，它们被直接蚀刻到硅中，并且比人的头发还细。

当需要卷积运算时，例如分析图像，数字数据首先被转换为激光。光线穿过菲涅尔透镜，菲涅尔透镜在物理上执行模式识别所需的数学运算。然后结果被转换回数字信号神经网络可以处理。

换句话说，部分计算以光速进行。

快速、高效且精确得惊人

由于计算是使用光而不是传统的电子电路进行的，因此它们几乎是瞬时发生的，并且几乎不需要额外的能量。仅此一点就令人印象深刻。但该系统更进一步。

该技术允许多束不同颜色的激光束同时穿过镜片。每种颜色都携带单独的数据流。这种多路复用技术可以并行处理多个计算，从而显着提高效率。

研究人员表示，这种方法将卷积运算的速度提高了 100 倍。在测试过程中，他们的光子原型对手写数字进行了分类，准确率约为 98%。该性能可与传统芯片相媲美，但能耗却低得多。

人工智能的未来更加光明？

其影响是惊人的。如果人工智能系统能够发挥最大作用能量使用基于光的计算的饥饿任务，可以大大降低其总体功耗。这意味着更快的处理、更低的成本和更小的环境影响。

当然，这仍然是一个原型。但这表明人工智能硬件的未来可能不仅仅取决于更强大的电子元件。它还可能取决于我们重新思考计算本身如何进行的能力。

通过将硅与激光器和透镜混合，这些研究人员证明光不仅仅是传输信息的一种方式。也可以计算一下。在人工智能日益驱动的世界中，这种转变可能会产生重大影响。