Neticami jauni pētījumi "fotoniskās skaitļošanas" jomā varētu radīt revolucionāru ietekmi uz cilvēka līmeņa mākslīgā intelekta attīstību. 

Zinātnieki Ķīnā nesen izstrādāja mākslīgā intelekta apmācības mikroshēmu, kas izmanto gaismu, lai veiktu aprēķinus, nevis elektrību. Pēc komandas domām, tas ir ārkārtīgi efektīvāks nekā tirgū populārākās AI mikroshēmas.

Tikmēr nesaistīta pētnieku komanda no Oksfordas pierādīja, ka līdzīgas gaismas skaitļošanas metodes var veikt, izmantojot parastos gaismas avotus, nevis jaudīgus lāzerus.

Šie divi sasniegumi ir potenciāls ceļa posms mākslīgā vispārējā intelekta (AGI) attīstībai, kas pazīstams arī kā "cilvēka līmeņa AI".

Vispārējais mākslīgais intelekts

AGI nav zinātnisks termins. Tā ir tīri teorētiska ideja, kas būtībā nozīmē "mašīna, kas ir pietiekami gudra, lai ar tiem pašiem resursiem darītu visu, ko vidusmēra cilvēks varētu".

Zinātnieki pēta daudzus ceļus uz AGI, un viens no populārākajiem ir ģeneratīvie iepriekš apmācīti transformatori (GPT). Tomēr daži pētnieki apgalvo, ka GPT ir strupceļš ceļā uz AGI, un citi apgalvo, ka mums būs nepieciešams kaut kas jaudīgāks par klasiskajiem datoriem, lai atdarinātu cilvēka smadzenes.

Fotoniskā skaitļošana

Gaismas izmantošana aprēķinu veikšanai ir izplatīta kopš 1960. gadiem. To bieži dēvē par optisko skaitļošanu, un, pēc šajā jomā strādājošo fiziķu domām, tā kādu dienu varētu aizstāt elektrisko signālu aprēķinu, jo gaismas ģenerēšanai ir nepieciešams daudz mazāk enerģijas nekā elektroenerģijas ražošanai.

Tagad, kad komanda Ķīnā ir izstrādājusi fotonisko datora mikroshēmu, kas ir īpaši paredzēta AI modeļa apmācībai, un atsevišķa komanda Apvienotajā Karalistē ir demonstrējusi fotonisko skaitļošanu, izmantojot parasto gaismu, šķiet, ka AI pētniekiem ir pieejamas jaunas iespējas. .

Klasiskā vai kvantu?

Lai mēģinātu tuvināt cilvēka domāšanu, mākslīgā intelekta izstrādātāji turpina mērogot tādus modeļus kā GPT-4o, cerot, ka kādu dienu tie būs pietiekami lieli, lai atdarinātu savienojumus starp 100 miljardiem neironu un 1000 triljoniem sinapsēm mūsu smadzenēs. .

Taču pētījumi liecina, ka mūsu smadzenes darbojas vairāk kā kvantu datori. Ja tā ir taisnība, binārajā AI modelī teorētiski vajadzētu būt vairāk mākslīgo neironu un sinapsu nekā cilvēka smadzenēs, lai tuvinātu tā sarežģītību.

Tas atstāj pētniekiem divas iespējas: viņi var vai nu palielināt savu bināro aprēķinu, vai sākt no jauna ar kvantu iespējotu aparatūru un apmācības risinājumiem.

Ja fotoniskās mākslīgā intelekta mikroshēmas izrādīsies dzīvotspējīga, energoefektīva alternatīva esošajam stāvoklim, iespējams, ka tās varētu virzīt GPT modeļus tālāk par to, kas citādi būtu iespējams tikai to efektivitātes dēļ.

Un, runājot par saskarsmi ar jebkādiem potenciālajiem kvantu AI risinājumiem nākotnē, tas ir vienkāršs dabas fakts, ka gaisma pārvietojas ātrāk nekā elektrība.

Saistīts: Apvienotajā Karalistē bāzēts tehnoloģiju starta uzņēmums varētu kļūt par Nvidia of quantum