Uma equipe combinada de engenheiros da Universidade de Tsinghua e do Centro Nacional de Pesquisa para Ciência da Informação e Equipar, ambos na China, desenvolveu um chiplet de IA fotônico híbrido difrativo em grande escala para uso em aplicações de inteligência artificial geral de alta eficiência. Seu artigo é publicado na revista Ciência.
À medida que as aplicações de software de IA se tornaram populares nos últimos anos, os engenheiros de computação têm trabalhado arduamente na busca de maneiras de construir hardware que suporte software de IA de forma mais eficiente ou que execute a computação de IA diretamente.
Neste novo estudo, a equipa na China concentrou-se neste último, procurando encontrar formas de conduzir o processamento de IA de forma mais rápida e eficiente. Para esse fim, eles criaram um chiplet – um circuito integrado que executa subconjuntos claramente definidos de funcionalidades que normalmente são usados com outros chips para realizar tarefas que compreendem pacotes baseados em luz em vez de eletricidade.
No centro da nova pesquisa está o objetivo de construir um modelo de inteligência artificial geral (AGI). Tal modelo seria, em teoria, composto por uma variedade de chips, incluindo aqueles como o Taichi, que juntos formariam um computador baseado em rede neural com capacidades de inteligência artificial que se igualam ou superam as do cérebro humano.
Um dos principais obstáculos na criação de tal modelo são os requisitos de potência computacional. Atualmente, as unidades de processamento gráfico são os principais componentes de tais sistemas, mas é necessária uma tecnologia mais poderosa para que um sistema de IA corresponda às capacidades de inteligência dos humanos. A equipa na China sugere que a resposta é utilizar luz em vez de electricidade para o processamento – o computador resultante utilizaria muito menos electricidade e seria capaz de realizar cálculos mais rapidamente.
Os pesquisadores observam que o Taichi foi projetado e construído de forma muito semelhante a outros chips baseados em luz – a diferença é que ele pode ser ampliado com muito mais facilidade, permitindo que muitos deles sejam usados juntos para criar um AGI.
Ao testar seu projeto, a equipe descobriu que ele era capaz de atingir uma escala de rede de 13.96 milhões de neurônios artificiais, o que é muito melhor do que os 1.47 milhão relatados por outros fabricantes de chips.