Введение
Ученые из Калифорнийского университета в Лос-Анджелесе (UCLA) разработали модель искусственного интеллекта, которая использует свет для генерации изображений, предлагая более быстрые, экологически чистые и устойчивые методы вычисления.
Искусственный интеллект впечатляет мир своей способностью создавать изображения, слова и даже музыку с нуля. Однако за этой магией скрываются скрытые расходы. Обучение и эксплуатация самых современных генеративных систем ИИ требует огромных объемов электроэнергии, вызывает значительные выбросы углерода и использует большие количества воды для охлаждения обширных дата-центров. Вопрос в том, сможет ли эта технология, несмотря на свои чудеса, оставаться устойчивой по мере роста спроса.
Новая оптическая модель
Команда исследователей из Института Самуэли UCLA считает, что они могут найти решение—такое, которое заменяет энергозатратную работу суперкомпьютеров на элегантность и скорость света. Их новая оптическая генеративная модель использует фотонику для создания изображений, что Сильно сокращает экологический след ИИ, при сохраняя высокую производительность.
Как это работает
В центре установки находится простое, но гениальное партнерство между небольшим цифровым кодировщиком и оптическим декодером. Цифровая часть трансформирует случайный шум в "фазовую карту", которая затем отображается на пространственном световом модуляторе. Эта карта показывает свету, как изгибаться, рассеиваться или смещаться по мере прохождения через систему. Как только свет проходит через специально разработанный оптический декодер, на датчике появляется изображение—будь то рукописный номер, бабочка или портрет в стиле Винсента Ван Гога.
Поскольку основной объем работы выполняется физикой света, а не электронными цепями, этот процесс происходит удивительно быстро. Оптический этап сам по себе занимает менее одной наносекунды, при этом единственным узким местом является скорость, с которой световой модулятор может обновлять свой паттерн. Исследователи называют это "генерацией снимка", поскольку полное изображение создается за один импульс света.
Проверка модели
Исследователи не ограничивались теорией; они построили рабочую оптическую систему и провели серию экспериментов по известным наборам данных. Модель сгенерировала черно-белые изображения рукописных цифр из набора MNIST, предметов одежды из Fashion-MNIST и более сложные изображения, такие как бабочки и человеческие лица.
Они измерили производительность с использованием двух ключевых метрик: Inception Score и Fréchet Inception Distance, которые отслеживают разнообразие и качество создаваемых изображений. Для более простых наборов данных оптические модели показали конкурентоспособные результаты по сравнению с цифровыми. В одном эксперименте классификатор, обученный только на оптически сгенерированных цифрах, достиг 99,18% точности—всего на 0,4% меньше, чем при обучении на реальных данных.
Проблемы на пути
Как и с любой новой технологией, оптическая модель сталкивается с реальными трудностями. Важна точность: небольшие несоответствия, несовершенства в оптике и ограничения в том, насколько точно можно контролировать фазу света, все это сказывается на результатах. Чтобы преодолеть эти проблемы, команда обучила свои модели с учетом аппаратных ограничений, убедившись, что то, что работает в теории, также будет успешно в практике.
Потенциал для устойчивости ИИ
Что делает это развитие особенно волнующим, так это его обещание уменьшить экологическую нагрузку ИИ. Традиционные генеративные системы требуют суперкомпьютеров, работающих в течение многих часов, если не дней, для создания качественных результатов. Эти машины требуют огромных объемов энергии и систем охлаждения, потребляющих много воды.
Перенося процесс генерации в оптическую область, метод команды UCLA обходит большую часть этого спроса. В одном демонстрационном эксперименты их оптическая система смогла воспроизвести произведения искусства в стиле Ван Гога за один шаг для каждого цветового канала, в отличие от 1000 шагов, необходимых для цифровой диффузионной модели. Изображения были визуально сопоставимы, а стоимость энергии составила лишь малую долю от традиционного метода.
Практические последствия исследования
Будущие возможности ИИ на основе света выходят за рамки эффективности. Компактные, маломощные оптические модели могут быть встроены в умные очки, гарнитуры дополненной реальности или мобильные устройства. Они могут обеспечить AI в реальном времени, не разряжая батареи или не требуя постоянного подключения к облаку.
Важно, что эта технология указывает на путь к масштабированию ИИ без ущерба для планеты. Позволяя свету взять на себя часть мышления, исследования направлены на будущее, где мощный ИИ и устойчивое развитие идут рука об руку.
Результаты исследования доступны онлайн в журнале Nature.
==> Хотите узнать про автоматизации на n8n? — Здесь основные курсы n8n, вы научитесь автоматизировать бизнес-процессы! <==
