1. 首頁 > 科技 > >

|利用人工智能真的可以解決在光學計算中的噪聲嗎？

|利用人工智能真的可以解決在光學計算中的噪聲嗎？

文章圖片

|利用人工智能真的可以解決在光學計算中的噪聲嗎？

文章圖片





（圖片來源：CC0 Public Domain）
當下 ， 人工智能和機器學習正以潤物無聲的方式深刻地影響著我們的生活 。 例如 ， 使用人工智能和機器學習的應用可以通過Netflix和Spotify等主流媒體平臺向我們推薦我們可能會喜歡的娛樂內容 。 在不遠的將來 ， 這些技術將會通過進一步的實踐應用對社會產生更大的影響 ， 比如說 ， 駕駛全自動汽車 ， 助力復雜的科學研究 ， 還有促進醫學發現 。
但是用于人工智能和機器學習技術的計算機需要大量能量 。 目前 ， 與這些技術相關的計算需求大概每三到四個月就要翻一倍 。 全球人工智能和機器學習應用所使用的云計算數據中心每年消耗的電能甚至已經超過了一些小國家 。 顯然 ， 這種水平的電力消耗不符合可持續發展原則 。
華盛頓大學領導的一個研究團隊針對人工智能和機器學習開發了一種新型光學計算機硬件 ， 它比傳統的電子型運算速度更快 ， 也更加節能 。 該研究同時還解決了另一個難題——光學計算中固有的、會影響計算精度的“噪聲”（noise） 。

華盛頓大學電子與計算機工程專業教授李墨（左）和研究生Changming Wu（右）領導了一個跨學科、多機構的研究團隊 ， 構建了這個光學計算系統 。 （圖片來源：攝影師Ryan Hoover）
在一篇于1月21日發表在《科學進展》（Science Advance）的文章中 ， 該團隊展示了一種用于人工智能和機器學習的光學計算系統 ， 不僅能減弱這種固有的光學噪聲 ， 甚至還可以將一部分噪聲作為輸入 ， 使之有助于增強系統內部人工神經網絡輸出的創造性 。 “我們已經開發出了一種比傳統數字計算機更快的光學計算機 。 ”華盛頓大學（University of Washington UW）電子與計算機工程專業（electrical and computer engineering ， ECE）的博士生 ， 文章的第一作者Changming Wu說道 ， “此外 ， 在大多數研究人員試圖減少光學噪聲時 ， 這種光學計算機卻可以利用光學噪聲產生的隨機輸入來創造新事物 。 ”
光學計算噪聲主要來源于設備內部激光運行以及環境熱輻射產生的雜散光粒子或光子 。 為了追蹤光學噪聲 ， 研究人員將他們的光學計算核與一種稱作“生成式對抗網絡”（Generative Adversarial Network ， GAN）的特殊機器學習網絡連接起來 。
華盛頓大學電子與計算機工程專業領導的研究團隊的集成光學計算芯片及其生成的“手寫”數字 。 （圖示來源：Changming Wu）
該團隊測試了幾種削弱噪聲的技術 ， 包括將光學計算核產生的噪聲用作GAN網絡的隨機輸入 。 例如 ， 該團隊為GAN網絡指定了像人類一樣手寫數字“7”的學習任務 。 光學計算機不能簡單地按照要求的字體輸出數字 。 它需要像孩子一樣 ， 通過觀察手寫樣例并不斷練習來學習完成這一任務 ， 直到能夠正確地寫出數字 。 當然 ， 光學計算機沒有人用來寫字的雙手 ， 因此它“手寫”的方式是生成和它所學習的樣例具有相同書寫風格但又并不與其完全一致的數字圖像 。
“我們并不是訓練這個網絡去讀取手寫數字 ， 而是訓練它去學習寫出這種數字 ， 即模仿用于訓練的手寫圖片樣本 。 ”華盛頓大學電子與計算機工程專業的教授 ， 文章的通訊作者李墨說道 ， “在杜克大學（Duke University）計算機科學領域合作伙伴的幫助下 ， 我們還表明 ， GAN網絡可以通過使用一種對誤差和噪聲具有魯棒性的訓練算法 ， 來削弱光學計算機硬件產生的噪聲的影響 。 不僅如此 ， 該網絡實際上把噪聲作為生成輸出所需要的隨機輸入 。 而在學習了來自人工智能標準訓練圖像集的數字“7”手寫樣本后 ， GAN網絡會練習寫“7”直到能成功寫出 。 在此期間 ， 它將形成自己獨特的書寫風格 ， 并可以通過計算機模擬寫出數字0到10 。

相關經驗推薦