Bilim insanları, yapay zeka (AI) modellerinin eğitim ve işlenmesinde devrim yaratma potansiyeline sahip, yeni nesil optik hesaplama için temel bir mimari geliştirdi. Bu yeni yaklaşım, elektrik yerine ışığı kullanarak çiplerin çalışmasını sağlıyor.
Büyük dil modelleri ve derin öğrenmeye dayalı sistemlerin temelinde, "tensör" adı verilen ağırlıklı bir organizasyon yapısı bulunuyor. Bu yapıyı, hangi çekmecelerin en çok kullanıldığını belirten yapışkan notlarla dolu bir dosya dolabı gibi düşünebiliriz.
Bir yapay zeka modeli, bir görüntüyü tanıma veya bir metin dizisini tahmin etme gibi bir görev için eğitildiğinde, verileri bu tensörlere ayırır. Günümüz yapay zeka sistemlerinde, modellerin bu tensör verilerini işleme veya "dosya dolaplarını" tarama hızı, modellerin ne kadar büyüyebileceği konusunda temel bir performans darboğazı oluşturuyor.
Genel olarak ışık tabanlı hesaplamalarda, modeller tensörleri tekrar tekrar lazer dizileri ateşleyerek ayrıştırır. Bu, bir paketin içeriğini belirlemek için üzerindeki barkodu tarayan bir makineye benzer, ancak burada her kutu bir matematik problemini temsil eder. Bu sayıları işlemek için gereken işlem gücü, modellerin temel yetenekleriyle doğru orantılı olarak artar.
Işık tabanlı hesaplama küçük ölçeklerde daha hızlı ve enerji verimli olsa da, çoğu optik sistem paralel olarak çalışamaz. Grafik işlem birimleri (GPU'lar) gibi, işlem gücü miktarını ve kullanılabilirliğini üstel olarak artırmak için birbirine bağlanabilen sistemlerin aksine, ışık tabanlı sistemler genellikle doğrusal olarak çalışır. Bu nedenle, çoğu geliştirici, artan güç ölçeklerindeki paralel işlem avantajları nedeniyle optik hesaplamayı tercih etmez.
Bu ölçeklendirme darboğazı, OpenAI, Anthropic, Google ve xAI gibi firmaların en güçlü modellerinin eğitim ve operasyonları için binlerce GPU'yu eş zamanlı olarak çalıştırmasını gerektiren sebeptir.
Ancak Parallel Optical Matrix-Matrix Multiplication (POMMM) olarak adlandırılan bu yeni mimari, optik hesaplamanın önündeki bu sorunu ortadan kaldırabilir. Önceki optik yöntemlerin aksine, POMMM tek bir lazer darbesi kullanarak birden çok tensör işlemini eşzamanlı olarak gerçekleştirir.
Sonuç olarak, verilen bir yapay zeka sisteminin tensör işleme hızını, mevcut elektronik donanım yeteneklerinin ötesine taşıma potansiyeli olan ve enerji ayak izini azaltan temel bir yapay zeka donanım tasarımı ortaya çıkıyor.
Yeni Nesil Optik Hesaplama ve Yapay Zeka Donanımı
14 Kasım'da Nature Photonics dergisinde yayımlanan çalışma, standart optik ve GPU işlem şemalarına karşı bir dizi karşılaştırmalı testle birlikte deneysel bir optik hesaplama prototipinin sonuçlarını detaylandırıyor.
Bilim insanları, geleneksel optik donanım bileşenlerinin özel bir düzenlemesini, veri paketlerini tek bir lazer atışında yakalayan ve ayrıştıran yeni bir kodlama ve işleme yöntemiyle birlikte kullandı.
Dijital verileri ışık dalgalarının genliği ve fazına kodlamayı başardılar. Bu sayede verileri optik alanda fiziksel özelliklere dönüştürdüler ve bu ışık dalgalarının matris veya tensör çarpımları gibi matematiksel işlemleri gerçekleştirmek üzere birleşmesini sağladılar.
Bu optik işlemler, ışık yayılırken pasif olarak gerçekleştiği için bu paradigmada ek işlem gücü gerektirmez. Bu, işlem sırasındaki kontrol veya anahtarlama ihtiyacını ve bu işlevleri gerçekleştirmek için gereken enerjiyi ortadan kaldırır.
Çalışmanın baş yazarı ve Aalto Üniversitesi Fotonik Grubu lideri Zhipei Sun, bir açıklamasında, "Bu yaklaşım neredeyse her optik platformda uygulanabilir," dedi. "Gelecekte, bu hesaplama çerçevesini doğrudan fotonik çipler üzerine entegre ederek, ışık tabanlı işlemcilerin son derece düşük güç tüketimiyle karmaşık yapay zeka görevlerini yerine getirmesini sağlayacağız."
Araştırmacılar, bu yaklaşımın üç ila beş yıl içinde büyük yapay zeka platformlarına entegre edilebileceğini tahmin ediyor.
Yapay Genel Zeka Hızlandırıcısı
Yetkililer, bunu, insanlardan daha akıllı ve eğitim verilerinden bağımsız olarak birden çok disiplinde genel olarak öğrenebilen varsayımsal bir gelecekteki yapay zeka sistemi olan, yeni nesil Yapay Genel Zeka'ya (AGI) doğru bir adım olarak tanımlıyor.
Zhang, açıklamada şunları ekledi: "Bu, yeni bir nesil optik hesaplama sistemleri oluşturacak ve sayısız alanda karmaşık yapay zeka görevlerini önemli ölçüde hızlandıracak."
Makalede doğrudan AGI'den bahsedilmese de, genel amaçlı hesaplamaya birkaç kez atıfta bulunuluyor.
Mevcut yapay zeka geliştirme tekniklerini ölçeklendirmenin AGI'ye ulaşmak için geçerli bir yol olduğu fikri, bilgisayar bilimi camiasının belirli kesimleri arasında o kadar yaygın ki, "ölçeklendirme her şeydir" diyen tişörtler satılıyor.
Meta'nın ayrılan baş yapay zeka bilimcisi Yann LeCun gibi diğer bilim insanları ise, mevcut standart yapay zeka mimarisi olan büyük dil modellerinin, ne kadar derin ve geniş ölçeklenirse ölçeklensin asla AGI statüsüne ulaşamayacağını belirterek bu görüşe katılmıyor.
POMMM ile bilim insanları, yapay zeka alanındaki en büyük darboğazlardan birini kaldırmak için gereken donanım bulmacasının kritik bir parçasını elde etmiş olabileceklerini ve geliştiricilerin mevcut paradigmanın temel sınırlarının çok ötesine ölçeklenmelerine olanak tanıyacaklarını belirtiyor.
