Whoscored(中国·中文)官网-专注足球数据分析的专业平台

Whoscored中文官网 | 编译自 The George Washington University’s Office of Media 

摘要 

来自多所院校的一个联合研究小组开发了一颗光学芯片，可以作为机器学习训练的硬件。 

目前的情况 

根据麦肯锡最近的一份报告，机器学习应用每年激增至1650亿美元。但是，在机器能够执行智能任务（如识别图像的细节）之前，它必须经过训练。训练现代人工智能（AI）系统，如特斯拉的自动驾驶，需要耗费几百万美元的电力，并需要类似超级计算机的基础设施。这种激增的人工智能 "胃口 "使计算机硬件和人工智能需求之间的差距越来越大。光子集成电路，或简称为光芯片，已经成为提供更高的计算性能的可能解决方案，以每瓦特每秒执行的操作数，或TOPS/W来衡量。然而，尽管他们已经证明了用于数据分类的机器智能的核心操作得到了改善，但光子芯片还没有改善实际的前端学习和机器训练过程。 

解决方案 

机器学习是一个两步的过程。首先，使用数据来训练系统，然后使用其他数据来测试人工智能系统的性能。在一篇新的论文中，来自乔治华盛顿大学、皇后大学、英属哥伦比亚大学和普林斯顿大学的研究团队正是为了实现这一目标。在一个训练步骤之后，该团队观察到一个错误，并重新配置硬件，进行第二个训练周期，然后再进行更多的训练周期，直到达到足够的人工智能性能（例如，该系统能够正确标记电影中出现的物体）。到目前为止，光子芯片只展示了对数据进行分类和推断信息的能力。现在，研究人员已经使加快训练步骤本身成为可能。 

这种新增的人工智能能力，是围绕光子张量核心和其他电子-光子特定应用集成电路（ASIC）的更大努力的一部分，它利用光子芯片制造来实现机器学习和人工智能应用。 

来自研究人员评价

-沃尔克-索尔格，乔治-华盛顿大学电子和计算机工程教授，新创公司Optelligence的创始人："这种新型硬件将加快机器学习系统的训练，并利用光子学和电子芯片所能提供的最好的东西。这是人工智能硬件加速的一次重大飞跃。正如最近通过的CHIPS法案所强调的那样，这些正是我们在半导体行业所需要的进步。"   

-Bhavin Shastri，皇后大学物理系助理教授： "人工智能系统的训练花费了大量的能源和碳足迹。例如，一个人工智能变压器所耗费的电力中的二氧化碳约为一辆汽油车在其一生中花费的五倍。我们在光子芯片上的训练将有助于减少这种开销"。