利用光系統　可增強ChatGPT機器學習能力

編譯／高晟鈞

ChatGPT的問世，對於人們在論文的撰寫、電腦代碼、甚至是藝術與音樂創作的幫助有著革命性的幫助。

近期，來自麻省理工學院的一個研究團隊創造了一種新系統，可以產生比ChatGPT的程序還要強大數個量級的機器學習程序，能源消耗還比當今最先進的超級電腦低。該系統的計算是基於光，而非微米級電子的運動。

更多新聞：退燒了？ChatGPT流量首次下降

作者表示：「該技術為大規模的光電處理開闢了一條全新的途徑，以加速大數據中心到邊緣設備的機器學習。換句話說，手機和其他小型設備將有可能運行目前只能在大型數據中心計算的程序。」

ChatGPT背後的深度神經網絡（DNN）基於龐大的機器學習模型，可模擬大腦如何處理信息。然而，即使機器學習領域不斷發展，當今DNN背後的數字技術也已達到極限。此外，它們需要大量的能源，並且主要局限於大型數據中心。

使用光而非電子來運行DNN的計算將有望突破當前的瓶頸。首先，使用光學的計算將比使用基於電子運動的設備消耗更少的能量。更重要的是，光可以在更小的區域內，傳遞更多、更複雜的信息；設備也將擁有更大的帶寬和計算密度。

然而，目前光學神經網路（ONN）在將基於電能的數據轉化為光方面的效率依然不高，因此仍然使用著大量的能源。另外，ONN相關設備體積龐大，會佔據大量空間。在計算方面，ONN對於線性計算（加法）較為擅長，但不擅長例如乘法、IF語句等非線性計算。

研究團隊對此引進了最先進的垂直表面發射激光器 (VCSEL) 陣列，成功解決了以上的困境。相比於最先進的超級電腦，新系統將能源效率提高了100倍以上，計算密度（衡量系統能力的指標）提高了25倍以上。

來自耶魯大學的Logan Wright教授總結道：「儘管目前光系統還未達到實際設備所需的規模，但我對未來幾年眾多像是ChatGPT的人工智能系統的發展感到樂觀。」

資料來源:TechXplore

瀏覽 577 次