【為什麼我們要挑選這篇文章】硬體效能是 AI 發展的痛點，想提升 AI 的運算能力，就會消耗更多能源，佔據更多算力。然而，香港科技大學近期研發使用「光纖」的神經網路，運用光做運算，取代傳統的電流，不但提升運算速度，還降低電力消耗。未來，這種技術更可以開發出「光學」版本的人工智慧。
「光纖神經網路」到底是什麼神物？（責任編輯：郭家宏）
「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息
快將你的履歷自傳寄至 [email protected]」
如今，儘管電腦已經具有了十分強大的學習能力，但是在圖像模式識別、風險管理等複雜任務上都還難以達到與人類持平的水準。
然而，最近光纖神經網路方面的新技術，或許可以顯著拉近電腦與人腦的這一差距。
全光學人工神經網路：運算速度更快且耗電更少
研究人員近日表示，他們首創的多層全光學人工神經網路已經有了很大突破，作為這一類神經網路的最新成果，這是實現大規模光纖神經網路的關鍵進展。
通常，這種類型的神經網路可以解決傳統計算方法無法解決的複雜問題，但與此同時，它也需要耗費大量運算時間和大量計算資源。因此，人們都希望能夠開發出更加實用的光學人工神經網路，也就是比傳統演算法的人工神經網路運算更快且耗電更少。
在光學學會的研究期刊 Optica 中，來自香港科技大學的研究人員詳細介紹了他們的雙層全光學神經網路，以及他們是如何成功將其應用於複雜的分類任務。
「我們的全光學神經網路可以光速進行並行計算而消耗很少的能量，」研究團隊成員劉軍偉表示，「大規模的全光學神經網路可以用於從圖像識別到科學研究的各種場景。」
高速、低耗能的全光學神經網路誕生，是否帶來 AIoT 新革命？
10/18（五）2019 邊緣運算論壇，破解未來 3-5 年的重要技術戰略
《手刀報名！》》
全光學人工神經網路的運算準確性，與傳統神經網路相當
在傳統的混合型光學神經網路中，光學元素通常作為線性運算的部分存在，而那些非線性運算的部分，也就是那些模擬人腦神經元反應的部分，一般是透過電子方式實現的，因為非線性光纖通常需要高功率雷射光，而這在光學神經網路中比較難實現。
為了克服這一困難，研究人員們使用具有電磁感應透明度的冷原子來完成神經網路中非線性運算的部分。「這種光誘導效應可以透過消耗功率很低的弱激光實現，」研究團隊成員杜勝望說，「因為這種效應是基於非線性量子干涉，所以有可能將我們的系統擴展到量子神經網路中，這可以解決傳統神經網路難以解決的問題。」
為了確認新方法的能力與可行性，研究人員構建了一個雙層全連接全光學神經網路，它有 16 個輸入值和 2 個輸出值。研究人員使用他們的全光網路對伊辛模型（Ising Model）的順序和無序階段進行分類。結果表明，全光學神經網路與傳統基於電腦的神經網路一樣準確。
向大規模光學神經網路擴展，有望開發出光學版本的人工智慧
研究人員計劃將全光學的方法擴展到具有複雜架構的大規模全光學深度神經網路上。這些架構專為圖像識別等特定目標而設計，而這樣的擴展將有助於證明該方案在更大範圍同樣適用。
「儘管我們的工作是一個對原理的論證，但它說明未來有可能會開發出光學版本的人工智慧。」杜勝望表示。
「與今天的基於電腦的人工智慧相比，下一代人工智慧會更快、功耗更低。」劉軍偉補充道。
原文報導傳送門
（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈运算更快，耗电更少！香港科技大学首创多层全光学人工神经网络〉。圖片來源：Flickr CC Licensed）
更多關於 AI 的消息
美國科學家開發有推理能力的「學霸 AI」，能夠答對 90% 以上的國中科學考題！
假新聞、隱私權、大規模失業，11 個你必須思考的 AI 倫理困境
一年收購三家科技公司，麥當勞不賣漢堡改做 AI 了？
