آموزش هوش مصنوعی با "سرعت نور" ممکن شده است.

پارادوکس عصر دیجیتال ما این است که با کوچکتر شدن کامپیوترها، مشکلات بزرگتر می شوند. همانطور که تراشه ها روی ترانزیستورهای بیشتری و به میلیاردها انباشته می شوند، مراکز داده عظیم و قدرت پردازشی مورد نیاز برای ساخت مدل های هوش مصنوعی مولد مدرن را فعال می کنند. با این حال، این مدل ها با توسعه بیشتر و بیشتر به قدرت پردازشی نیاز دارند، مراکز داده به مصرف کنندگان اصلی انرژی تبدیل می شوند و خود تراشه ها نه تنها مرزهای فناوری، بلکه قوانین فیزیک را نیز تحت تأثیر قرار می دهند.

بر اساس گزارش نیواطلس، دو محدودیت فنی و فیزیکی برای چنین مراکز داده، سیم های مسی ساده و سرعتی که الکترون ها می توانند از میان آنها عبور کنند، است. این یکی از دلایل اصلی استرس در وسایل الکترونیکی است. کوچک کردن وسایل الکترونیکی فقط برای راحتی نیست. به این دلیل که با سریعتر و قدرتمندتر شدن رایانه ها، زمان لازم برای انتقال داده ها از یک مؤلفه به مؤلفه دیگر به یک عامل اصلی در عملکرد تبدیل می شود.

برای سرعت بخشیدن به کارها، IBM آنچه را که ادعا می کند نسل بعدی فناوری نوری است توسعه داده است. استفاده از اپتیک برای انتقال داده چیز جدیدی نیست. کابل های فیبر نوری برای چندین دهه برای انتقال اطلاعات از یک مکان به مکان دیگر استفاده شده است. با این حال، این استفاده عمدتاً در فواصل طولانی انجام می شد و هنگامی که داده ها وارد رایانه می شدند، فرآیند به سیم مسی بازگشت.

برای غلبه بر این مشکل، IBM به فرآیند جدیدی برای ایجاد اپتیک های مونتاژ شده (CPO) به شکل یک موجبر نوری پلیمری (PWG) روی آورد که سیگنال های نوری را بین مدارهای مجتمع فوتونیکی (PIC) و اتصالات خارجی متصل می کند. این شرکت می گوید که آزمایش های موجبرهای نوری پلیمری نشان می دهد که در صورت استفاده در مراکز داده، پنج برابر کمتر از نسخه های معمولی برق نیاز دارند و به اتصالات کابلی اجازه می دهند از یک متر تا صدها متر گسترش پیدا کنند و در عین حال ساختار انعطاف پذیرتری در حین حمل ایجاد شود. دستگاه حرکت داده در واحد

IBM ادعا می کند که کاهش مصرف انرژی برای آموزش یک مدل هوش مصنوعی برای تامین انرژی 5000 خانه آمریکایی به مدت یک سال کافی است و نور، به دلیل اینکه 80 برابر پهنای باند بیشتری نسبت به سیستم های سنتی دارد، زمان لازم برای آموزش است. یک مدل زبان بزرگ هوش مصنوعی را از سه ماه به سه هفته کاهش می دهد.

داریو گیل، مدیر تحقیقات IBM می گوید: «از آنجایی که هوش مصنوعی به قدرت و قدرت پردازش بیشتری نیاز دارد، مرکز داده باید تکامل یابد و این رویکرد می تواند مراکز داده را در آینده مقاوم کند.

منبع: خبرگزاری ایسنا