光人工神經網路領域獲得突破性成就

來自專欄科技奇趣76 人贊了文章

研究人員發現，可以在光學晶元上訓練人工智慧。

這個突破性的發現證實了光電路在電基人工智慧神經網路的訓練中起到了關鍵性的作用，這將為人工智慧神經網路完成一些例如演講或圖像識別的複雜任務，提供更快、更節能、更廉價的方法途徑。

斯坦福大學該研究項目的主要研究成員范善輝（音）表示，利用光學晶元進行人工神經網路計算比傳統計算機解決更有效率，還能解決更多的複雜問題。這種方法將大大提升一些需要人工智慧網路解決的，例如無人駕駛或自動應答等複雜問題的效率。對於未來人類社會的發展有著難以估量的價值。

人工智慧網路使用一個個相互連接的信息節點來處理信息，這種處理信息的方式和人類大腦處理信息的方式類似。計算機使用這種方法還可以一些複雜任務，例如語音識別，但是這需要演算法對計算機進行大量的分類任務訓練，包括分類輸入訓練和關鍵詞訓練。

儘管目前的光學人工神經網路還處於實驗階段，對它的訓練還是使用傳統的計算機數學模型開展，再把最後的訓練結果輸入到光電路中。現在斯坦福大學的研究人員發明了一種植入了傳統人工神經網路訓練演算法的backpropagation演算法的光學模擬設備，通過該設備直接訓練光學人工神經網路。

這種使用物理設備，而不是通過計算機模型來訓練人工神經網路的方法精確度更高，而且由於人工神經網路的訓練過程非常昂貴，因此通過這種新方式促進了訓練的效率、速度，減少了能源的消耗。

儘管還是使用傳統計算機來訓練人工神經網路，但還是需要對這樣的人工神經網路系統的硬體進行大規模的改造。光學設備的特點是可以進行平行計算，耗能少。在本次的研究中，研究人員為了部署全光學人工神經網路，克服了種種困難，設計了一款光學晶元來模擬傳統計算機訓練神經網路時的需要。

人工神經網路就像是一個黑洞，其中充滿了節點，在訓練過程中，這些節點都會一個個連接起來，以此測試使用的演算法是否提升了人工神經網路的表現。

這次的研究方法不僅能幫助研究人員預測需要連接的節點，還可以增強這些節點連接後的表現更加接近最後所期望達到的結果。由於光具有平行計算的特點，因此通過使用新方法可以明顯提升大型人工神經網路的訓練速度。

這種新型的神經網路訓練方法在光電路中使用了可調分束器，可以對光移相器進行調節。帶有信息激光束被分束器中的光波導所攜帶，穿過光電路。這些分束器就像是神經網路中的一個個節點，可以用來訓練神經網路所使用的演算法。在這種新的訓練模式下，激光首先穿過這些光電路，由於有那些設備存在，所能預測的不同結果也經過精心的計算，接著該信息會生成一個新的光信號方向輸入到神經網路中。通過分析整個過程中，每個分束器周圍的激光密度，研究人員可以進行平行探測每個分束器不同設置後所產生的不同結果。然後光移相器可以根據該信息進行調整，這樣整個過程可以不斷重複對神經網路進行訓練，直到得出符合預計的結果。

研究人員使用一台激光發生器來測試這種新方法，訓練演算法執行複雜任務。經過測試發現，這種光訓練方法得出的結果和傳統計算機的訓練結果很接近。研究人員利用物理原理來幫助演算法訓練人工神經網路取得了成功，接下來他們還將進一步優化這套訓練系統，完成更具有實踐意義的任務。

WTT資訊-最新科技資訊，實時網安信息?

www.wttech.org

歡迎關注我們：

@W-Pwn

推薦閱讀：