Veštačka inteligencija je ključna u unapređenju biotehnologije i medicinskih procedura, od dijagnostike raka do stvaranja novih antibiotika. Međutim, ekološki otisak velikih AI sistema je značajan. Na primer, obučavanje opsežnih jezičkih modela kao što je ChatGPT-3 zahteva nekoliko gigavat-časova energije — dovoljno da napaja prosečnu nuklearnu elektranu punim kapacitetom nekoliko sati.
Prof. Mario Chemnitz i dr Benet Fischer iz Leibniz IPHT u Jeni, u saradnji sa svojim međunarodnim timom, osmislili su inovativnu metodu za razvoj potencijalno energetski efikasnih računarskih sistema koji ne zahtevaju ekstenzivnu elektronsku infrastrukturu.
Oni koriste jedinstvene interakcije svetlosnih talasa unutar optičkih vlakana da bi stvorili napredni sistem veštačkog učenja. Za razliku od tradicionalnih sistema koji se oslanjaju na kompjuterske čipove koji sadrže hiljade elektronskih komponenti, njihov sistem koristi jedno optičko vlakno.
Ovo vlakno je sposobno da obavlja zadatke različitih neuronskih mreža – brzinom svetlosti. „Koristimo jedno optičko vlakno da oponašamo računarsku snagu brojnih neuronskih mreža“, objašnjava Mario Chemnitz, vođa mlađe istraživačke grupe „Smart Photonics“ u Leibniz IPHT. „Iskoristivši jedinstvena fizička svojstva svetlosti, ovaj sistem će omogućiti brzu i efikasnu obradu ogromne količine podataka u budućnosti.
Udubljivanje u mehaniku otkriva kako se prenos informacija odvija mešanjem svetlosnih frekvencija: podaci—bilo da su vrednosti piksela sa slika ili frekvencijskih komponenti audio zapisa—kodirani u kolor kanale ultrakratkih svetlosnih impulsa.
Ovi impulsi prenose informacije kroz vlakno, prolazeći kroz različite kombinacije, pojačanja ili slabljenja. Pojava novih kombinacija boja na izlazu vlakna omogućava predviđanje tipova podataka ili konteksta. Na primer, određeni kanali boja mogu ukazivati na vidljive objekte na slikama ili znake bolesti u glasu.
Odličan primer mašinskog učenja je prepoznavanje različitih brojeva iz hiljada rukom pisanih znakova. Mario Chemnitz, Benet Fischer i njihove kolege sa Instituta National de la Recherche Scientifikue (INRS) u Kvebeku su koristili svoju tehniku da kodiraju slike rukom pisanih cifara na svetlosne signale i klasifikuju ih putem optičkog vlakna.
Promena sastava boja na kraju vlakna formira jedinstveni spektar boja — „otisak prsta“ za svaku cifru. Nakon obuke, sistem može da analizira i prepozna nove cifre rukopisa uz značajno smanjenu potrošnju energije.
„Jednostavnije rečeno, vrednosti piksela se pretvaraju u različite intenzitete primarnih boja — više crvene ili manje plave, na primer“, navodi Mario Chemnitz. „Unutar vlakna, ove primarne boje se mešaju da bi stvorile pun spektar duge. Nijansa naše mešane ljubičaste, na primer, otkriva mnogo o podacima koje obrađuje naš sistem.“
Tim je takođe uspešno primenio ovu metodu u pilot studiji za dijagnostikovanje infekcija COVID-19 koristeći glasovne uzorke, postigavši stopu otkrivanja koja nadmašuje najbolje digitalne sisteme do sada.
„Prvi smo koji su pokazali da tako živahna interakcija svetlosnih talasa u optičkim vlaknima može direktno klasifikovati složene informacije bez ikakvog dodatnog inteligentnog softvera“, navodi Mario Chemnitz.
Od decembra 2023. Mario Chemnitz je bio mlađi profesor inteligentnih fotoničkih sistema na Univerzitetu Friedrich Schiller u Jeni. Nakon povratka sa INRS-a u Kanadi 2022. godine, gde je radio kao postdoktor, Chemnitz je vodio međunarodni tim na Leibniz IPHT u Jeni. Njihovo istraživanje se fokusira na istraživanje potencijala nelinearne optike. Njihov cilj je da razviju inteligentne senzorske sisteme i mikroskope bez kompjutera, kao i tehnike za zeleno računarstvo.
Rad je objavljen u časopisu Napredna nauka.
