A Revolução da Inteligência Artificial Pode Estar na Fotônica
IA Fotônica Luminous Computing

A Revolução da Inteligência Artificial Pode Estar na Fotônica

Maia Mulko

A startup Luminous Computing desenvolveu um chip de computador que utiliza dados de luz ao invés de dados de elétrons para inteligência artificial, com o objetivo de fazer mais rapidamente, com maior eficiência, e com menos consumo de energia. O avanço promete superar o efeito gargalo que limita o hardware da modelagem atual de IA, que contém chips elétricos clássicos, tornando-se continuamente ainda mais insuficientes para esses tipos de aplicações.

O Que (e Por quê) da Luminous Computing

Em 2019, o projeto de Marcus Gomez (ex-pesquisador na Google, Tinder, The May Clinic, Stanford e da Escola de Medicina da Harvard), Michael Gao (campeão das Olimpíadas de Matemática dos Estados Unidos e ex-CEO da AlphaSheets), e Mitchell Nahmias (pioneiro no campo da fotônica neuromórfica), foi apoiado por líderes tecnológicos como Bill Gates, Dara Khosrowshahi (CEO da Uber), Ali Partovi da NEO, e Luke Nosek e Steve Oskoui da Gigafund.

Ao todo, os fundadores da Luminous Computing (que não tinham mais que 7 funcionários em seu quadro na época) utilizaram em torno de 9 milhões de dólares para fazer avanços na possível solução para o problema da potência computacional dos processadores convencionais, que não permite o machine learning rápido o suficiente - e consequentemente atrasa as evoluções da robótica, veículos autônomos, e outras aplicações de IA (desde as grandes até as pequenas, como assistentes de voz no estilo da Siri, que vêm em qualquer tipo de smartphone).

Anúncio

Web Analytics sem uso de cookies que protegem a privacidade



Seguindo os princípios da comunicação a laser, os cientistas da Luminous Computing empregaram luz em um modelo de machine learning baseado em redes neurais. Essas redes processam dados em várias camadas computacionais com nós interconectados que procuram por padrões nestes dados e retornam um sinal ou resposta, de um modo similar a maneira que os neurônios em nosso cérebro fazem. O dado é propagado através da rede (e é executado em retropropagação) para que a rede "aprenda", e para que a camada final gere uma previsão baseada nos cálculos conduzidos em outras camadas.

A microeletrônica de silício possui um banco de memória que armazena dados e instruções em um multiplexador de barramento, que impede o acesso simultâneo dos dados e das instruções. Isso produz um efeito gargalo, explicado por Nahmias e outros autores em um estudo recente.

Por sua vez, este gargalo piora cada vez mais, de acordo com um estudo da OpenAI, no qual é estimado que a potência computacional necessária para treinar modelos maiores de inteligência artificial precisaria dobrar a cada três ou quatro meses (em contraste com os dois anos da bem conhecida Lei de Moore).

Novas Funções para Algo "Antigo"

Por algum tempo se acreditou que a comunicação a laser resolveria esses problemas de gargalo. Fibra ótica, por exemplo, tem sido fortemente implementada, e talvez isso nos ajudará a entender as razões por trás desses novos chips. Ondas fotônicas guiadas (que são, as estruturas minúsculas que conduzem luz neste chip de computador), fornecem canais multiplexados, ou seja, eles são capazes de combinar dois ou mais sinais no mesmo canal de transmissão - com pouca flutuação de latência, distorção, e interferência.

Os primeiros chips fotônicos foram desenvolvidos para computação quântica em 2015 que utilizando luz veio a armazenar até 8 bits no mesmo lugar naquele mesmo ano. Mas até agora, ninguém criou um chip desse tipo para a implementação de redes neurais e modelos de inteligência artificial - com o objetivo de estimular o aprendizado mais rápido (o plano é sair de dias para apenas minutos) através de operações fotônicas lineares, as quais oferecem diferenças substanciais quanto a densidade de transferência de dados ou largura de banda, latência, e consumo de energia. O protótipo funciona até três vezes melhor do que outros chips.

Também é a primeira vez que um chip ameaça ultrapassar (e até substituir) a Unidade de Processamento Tensor (TPU) da Google, um circuito integrado para inteligência artificial de alta velocidade e isso promove o machine learning completamente automático.

Rumo ao Futuro

Para ser sincero, Luminous não é a única empresa dedicada aos chips fotônicos, já há algum tempo, eles têm tido competição.

Lightmatter, por exemplo, é uma empresa sediada em Boston que também possui grandes investidores, que colocaram aproximadamente 33 milhões de dólares no negócio, rumo ao desenvolvimento de um novo hardware IA com foco em tecnologia laser.

É Dirk Englund, um consultor da Lightmatter e professor da MIT, que sustenta que produzir chips fotônicos em escala será o grande desafio, devido a todos os dispositivos necessários para manipular e controlar a luz do modo necessário: fundamentalmente, lasers e moduladores eletro-ópticos.

Por causa disso, será necessário esperar mais algum tempo para ver esses chips começarem a ser usados regularmente em inteligência artificial de maneira que seja possível atingir seu verdadeiro potencial.

Anúncio

Upcloud: Os servidores mais rápidos do mundo. Receba um crédito de $ 25 USD. (Termos e condições aplicáveis, sujeitos a alterações.)



Join the conversation.


© 2021 Terraflow LLC - Information - Series 2. Todos os dereitos reservados. O conteúdo e as representações neste site são apenas para fins informativos e não serão considerados consultoria de investimento, conselho médico, consultoria jurídica ou solicitação de investimento.