وقال تيانوي وو، المؤلف الرئيسي للدراسة: “ما لدينا هنا هو شيء بسيط للغاية”. “يمكننا إعادة برمجته، وتغيير أنماط الليزر بسرعة.” استخدم الباحثون النظام لتصميم شبكة عصبية نجحت في تمييز أصوات الحروف المتحركة. تحتاج معظم الأنظمة الضوئية إلى التدريب قبل بنائها، حيث أن التدريب يتضمن بالضرورة إعادة تشكيل الاتصالات. ولكن بما أن هذا النظام يمكن إعادة تشكيله بسهولة، فقد قام الباحثون بتدريب النموذج بعد تثبيته على أشباه الموصلات. وهم يخططون الآن لزيادة حجم الشريحة وترميز المزيد من المعلومات بألوان مختلفة من الضوء، الأمر الذي من شأنه أن يزيد من كمية البيانات التي يمكنها التعامل معها.
إنه تقدم حتى أن بسالتيس، الذي بنى نظام التعرف على الوجه في التسعينيات، يجده مثيرًا للإعجاب. “كانت أحلامنا الجامحة قبل 40 عامًا متواضعة جدًا مقارنة بما حدث بالفعل.”
شعاع الضوء الأول
في حين تقدمت الحوسبة الضوئية بسرعة على مدى السنوات القليلة الماضية، إلا أنها لا تزال بعيدة عن الحلول محل الرقائق الإلكترونية التي تدير الشبكات العصبية خارج المختبرات. تعلن الأوراق البحثية عن أنظمة ضوئية تعمل بشكل أفضل من الأنظمة الإلكترونية، ولكنها عمومًا تشغل نماذج صغيرة باستخدام تصميمات الشبكات القديمة وأعباء العمل الصغيرة. وقال بهافين شاستري من جامعة كوينز في أونتاريو إن العديد من الأرقام المبلغ عنها حول التفوق الضوئي لا تحكي القصة بأكملها. وقال: “من الصعب للغاية إجراء مقارنة شاملة مع الإلكترونيات”. “على سبيل المثال، عندما يستخدمون الليزر، فإنهم لا يتحدثون حقًا عن الطاقة اللازمة لتشغيل الليزر.”
تحتاج أنظمة المختبرات إلى الارتقاء بها قبل أن تتمكن من إظهار المزايا التنافسية. “ما هو الحجم الذي يجب عليك تحقيقه لتحقيق الفوز؟” سأل مكماهون. الجواب: كبير بشكل استثنائي. ولهذا السبب لا يمكن لأحد أن يضاهي شريحة من صنع شركة Nvidia، التي تعمل شرائحها على تشغيل العديد من أنظمة الذكاء الاصطناعي الأكثر تقدمًا اليوم. هناك قائمة ضخمة من الألغاز الهندسية التي يتعين عليك اكتشافها على طول الطريق، وهي المشكلات التي نجح الجانب الإلكتروني في حلها على مدار عقود. قال مكماهون: “بدأت الإلكترونيات بميزة كبيرة”.
يعتقد بعض الباحثين أن أنظمة الذكاء الاصطناعي المستندة إلى ONN ستحقق النجاح أولاً في التطبيقات المتخصصة حيث توفر مزايا فريدة. وقال شاستري إن أحد الاستخدامات الواعدة هو مواجهة التداخل بين عمليات الإرسال اللاسلكية المختلفة، مثل الأبراج الخلوية 5G وأجهزة قياس الارتفاع الرادارية التي تساعد الطائرات على التنقل. في وقت مبكر من هذا العام، أنشأ شاستري والعديد من زملائه شبكة ONN يمكنها فرز عمليات الإرسال المختلفة واختيار الإشارة محل الاهتمام في الوقت الفعلي وبتأخر معالجة أقل من 15 بيكو ثانية (15 جزءًا من تريليون من الثانية) – أي أقل من واحد على ألف من الثانية. الوقت الذي يستغرقه النظام الإلكتروني، بينما يستخدم أقل من 1/70 من الطاقة.
لكن مكماهون قال إن الرؤية الكبرى – وهي شبكة عصبية بصرية يمكنها أن تتفوق على الأنظمة الإلكترونية للاستخدام العام – لا تزال تستحق المتابعة. في العام الماضي، أجرت مجموعته عمليات محاكاة أظهرت أنه في غضون عقد من الزمن، يمكن لنظام بصري كبير بما فيه الكفاية أن يجعل بعض نماذج الذكاء الاصطناعي أكثر كفاءة من الأنظمة الإلكترونية المستقبلية بأكثر من 1000 مرة. “تحاول الكثير من الشركات الآن جاهدة الحصول على فائدة تعادل 1.5 مرة. وقال: “ستكون الفائدة ألف مرة، سيكون ذلك مذهلاً”. “ربما يستغرق هذا المشروع 10 سنوات، إذا نجح.”
القصة الأصلية أعيد طبعها بإذن من مجلة كوانتا، منشور تحريري مستقل لـ مؤسسة سيمونز وتتمثل مهمتها في تعزيز الفهم العام للعلم من خلال تغطية التطورات والاتجاهات البحثية في الرياضيات والعلوم الفيزيائية والحياة.
