يعمل التعاون على تطوير التطبيق العملي للذكاء الاصطناعي منخفض الطاقة وعالي السرعة استنادًا إلى الحوسبة الضوئية
طوكيو - (بيزنس واير) -#التكنولوجيا من أجل الخير-شركة NTT (الرئيس والمدير التنفيذي: أكيرا شيمادا "NTT") و جامعة طوكيو (بونكيو-كو ، طوكيو ، الرئيس: Teruo Fujii) ابتكر خوارزمية تعليمية جديدة مستوحاة من معالجة المعلومات في الدماغ والتي تناسب الشبكات العصبية الاصطناعية متعددة الطبقات (DNN) باستخدام العمليات التناظرية. سيؤدي هذا الاختراق إلى تقليل استهلاك الطاقة ووقت الحساب للذكاء الاصطناعي. تم نشر نتائج هذا التطور في المجلة العلمية البريطانية طبيعة الاتصالات في ديسمبر كانونومth.
حقق الباحثون أول عرض توضيحي في العالم لتعلم DNN البصري المنفذ بكفاءة من خلال تطبيق الخوارزمية على DNN الذي يستخدم الحوسبة التناظرية البصرية ، والتي من المتوقع أن تمكن أجهزة التعلم الآلي عالية السرعة ومنخفضة الطاقة. بالإضافة إلى ذلك ، فقد حققوا أعلى أداء في العالم لشبكة عصبية اصطناعية متعددة الطبقات تستخدم العمليات التناظرية.
في الماضي ، تم إجراء عمليات حسابية للتعلم عالي الحمل عن طريق الحسابات الرقمية ، ولكن هذه النتيجة تثبت أنه من الممكن تحسين كفاءة جزء التعلم باستخدام الحسابات التناظرية. في تقنية الشبكة العصبية العميقة (DNN) ، يتم حساب شبكة عصبية متكررة تسمى حوسبة المكامن العميقة من خلال افتراض نبضة بصرية كخلايا عصبية وحلقة بصرية غير خطية كشبكة عصبية ذات اتصالات متكررة. من خلال إعادة إدخال إشارة الخرج إلى نفس الدائرة الضوئية ، يتم تعميق الشبكة بشكل مصطنع.
تتيح تقنية DNN الذكاء الاصطناعي المتقدم (AI) مثل الترجمة الآلية والقيادة الذاتية والروبوتات. في الوقت الحالي ، تزداد الطاقة ووقت الحساب المطلوب بمعدل يتجاوز النمو في أداء أجهزة الكمبيوتر الرقمية. من المتوقع أن تكون تقنية DNN ، التي تستخدم حسابات الإشارات التناظرية (العمليات التناظرية) ، وسيلة لتحقيق عمليات حسابية عالية الكفاءة وعالية السرعة مماثلة للشبكة العصبية للدماغ. طور التعاون بين NTT وجامعة طوكيو خوارزمية جديدة مناسبة لعملية DNN التناظرية التي لا تفترض فهم معلمات التعلم المضمنة في DNN.
تتعلم الطريقة المقترحة عن طريق تغيير معلمات التعلم بناءً على الطبقة النهائية للشبكة والتحويل العشوائي غير الخطي لخطأ إشارة الخرج المطلوبة (إشارة الخطأ). تسهل هذه العملية الحسابية تنفيذ الحسابات التناظرية في أشياء مثل الدوائر الضوئية. يمكن استخدامه أيضًا ليس فقط كنموذج للتنفيذ المادي ، ولكن أيضًا كنموذج متطور يستخدم في تطبيقات مثل الترجمة الآلية ونماذج الذكاء الاصطناعي المختلفة ، بما في ذلك نموذج DNN. من المتوقع أن يساهم هذا البحث في حل المشكلات الناشئة المرتبطة بحوسبة الذكاء الاصطناعي ، بما في ذلك استهلاك الطاقة وزيادة وقت الحساب.
بالإضافة إلى فحص إمكانية تطبيق الطريقة المقترحة في هذه الورقة على مشاكل محددة ، ستعمل NTT أيضًا على تعزيز تكامل الأجهزة الضوئية على نطاق واسع وصغير الحجم ، بهدف إنشاء منصة حوسبة ضوئية عالية السرعة ومنخفضة الطاقة للمستقبل البصري الشبكات.
دعم هذا البحث:
دعمت JST / CREST جزءًا من نتائج البحث هذه.
منشورات المجلة:
مجلة: طبيعة الاتصالات (نسخة على الإنترنت ： 26 ديسمبر)
عنوان المقالة: التعلم العميق المادي باستخدام أسلوب التدريب المستوحى من الناحية البيولوجية: نهج خالٍ من التدرج للأجهزة المادية
المؤلفون: ميتسوماسا ناكاجيما ، كاتسوما إينو ، كينجي تاناكا ، ياسو كونيوشي ، توشيكازو هاشيموتو ، كوهي ناكاجيما
شرح المصطلحات:
- الدائرة الضوئية: دائرة يتم فيها دمج موجهات الموجات الضوئية من السيليكون أو الكوارتز في رقاقة سيليكون باستخدام تكنولوجيا تصنيع الدوائر الإلكترونية. في الاتصالات ، يتم تنفيذ تفريع ودمج مسارات الاتصال البصري عن طريق التداخل البصري ، وتعدد الإرسال / إزالة تعدد الإرسال لطول الموجة ، وما شابه ذلك.
- طريقة Backpropagation (BP): خوارزمية التعلم الأكثر استخدامًا في التعلم العميق. يتم الحصول على تدرجات الأوزان (المعلمات) في الشبكة أثناء نشر إشارة الخطأ للخلف ، ويتم تحديث الأوزان بحيث يصبح الخطأ أصغر. نظرًا لأن عملية الانتشار العكسي تتطلب تبديل مصفوفة الوزن لنموذج الشبكة والتمايز غير الخطي ، فمن الصعب تنفيذها على الدوائر التناظرية ، بما في ذلك دماغ الكائن الحي.
- الحوسبة التناظرية: كمبيوتر يعبر عن القيم الحقيقية
باستخدام الكميات الفيزيائية مثل شدة الضوء وطوره واتجاه وشدة اللفات المغناطيسية ويقوم بإجراء الحسابات عن طريق تغيير هذه الكميات الفيزيائية وفقًا لقوانين الفيزياء. - طريقة محاذاة التغذية الراجعة المباشرة (DFA): طريقة حساب زائف لإشارة الخطأ لكل طبقة عن طريق إجراء تحويل عشوائي غير خطي على إشارة الخطأ للطبقة النهائية. نظرًا لأنه لا يتطلب معلومات تفاضلية لنموذج الشبكة ولا يمكن حسابه إلا عن طريق التحويل العشوائي الموازي ، فهو متوافق مع الحساب التناظري.
- حوسبة الخزان: نوع من الشبكات العصبية المتكررة مع التوصيلات المتكررة في الطبقة المخفية. يتميز بتوصيلات التثبيت العشوائي في طبقة وسيطة تسمى طبقة الخزان. في الحوسبة العميقة للمكمن ، تتم معالجة المعلومات عن طريق ربط طبقات الخزان في طبقات متعددة.
إن NTT وشعار NTT هما علامتان تجاريتان مسجلتان أو علامتان تجاريتان لشركة NIPPON TELEGRAPH AND TELEPHONE CORPORATION و / أو الشركات التابعة لها. جميع أسماء المنتجات المشار إليها هي علامات تجارية مملوكة لأصحابها. © 2023 شركة NIPPON TELEGRAPH AND TELEPHONE CORPORATION
معلومات الاتصال
ستيفن راسل
ل NTT
1-804-362-7484
المصدر: https://thenewscrypto.com/ntt-and-the-university-of-tokyo-develop-worlds-first-optical-computing-ai-using-an-algorithm-inspired-by-the-human-brain/