摩尔定律搅局者:这家公司用光训练 AI,而不是GPU

starrainbow 2018-02-27

摩尔定律搅局者:这家公司用光训练 AI,而不是GPU

新智元编译

来源:wired

作者:Tom Simonite 编译:肖琴

【新智元导读】初创公司Fathom Computing从2014年开始尝试用光子来处理数据,他们发现光子比电子更适合AI任务的计算,性能得到显著提升。在识别手写数字的任务上,光学计算机达到90%的准确率,这是极大的进步。未来光学计算机对大型AI任务来说有着无与伦比的吸引力。

摩尔定律搅局者:这家公司用光训练 AI,而不是GPU

Willam Andregg带我走进他的创业公司 Fathom Computing杂乱的工作室,轻轻抬起一个笨重黑匣子的盖子。匣子里,绿光从一组像是望远镜的镜头、支架和电缆中微微发出。这是一台使用光(而不是电)来处理数据的原型计算机,它正在学习识别手写数字。在其他实验中,这台计算机学会了用文本生成句子。

现在,这台原型光学计算机(optical computer)表现很好,但还达不到绝佳状态:在最佳运行条件下,它正确读出了 90%的潦草手写数字。但 Andregg 认为这是一个突破。 “2014 年我们开香槟庆祝公司成立时,正确率只有 30%左右,” 他笑着说。

Andregg 称这是机器学习软件首次使用激光脉冲电路而非电力进行训练。Fathom 公司正在努力缩小这台占地几平方英尺计算机的尺寸,以适应标准的云服务器。Fathom 希望这项技术将成为人工智能淘金热的一个利器。

科技公司,特别是像亚马逊和微软这样的大型云服务提供商,在计算机芯片上花费巨资为机器学习算法提供算力。研究人员发现专为图形设计的芯片非常适合于为识别语音或图像等任务驱动所谓的人工神经网络,这开启了人工智能的狂热。在过去的三年中,领先的图形芯片供应商Nvidia的股价已经增长了10倍以上,谷歌和其他许多公司也正在制造或研发自己的机器学习专门芯片。

摩尔定律搅局者:这家公司用光训练 AI,而不是GPU

Fathom的原型光学计算机乘法矩阵的可视化——这是对人工神经网络来说非常重要的操作。

Fathom的创始人们押注于这项新技术,认为它将超越纯电子计算机的能力。 William Andregg说:“光学技术与电子学相比具有根本上的优势,没有任何电子学的设计能够超越它。”他和兄弟一起创业,公司有11人,由Andy Rubin领导的风险投资公司Playground Global支持,后者共同开发了目前由谷歌拥有的Android操作系统。Fathom在加州帕洛阿尔托Playground的工作室运作。Playground曾是Nervana公司的主要投资方,该公司在2016年被Intel收购,成为该芯片巨头AI硬件战略的核心。

利用光而不是电来处理数据的好处

电信公司通过光信号来远距离传播数据,因为与金属电缆中的电脉冲相比,使用同样的能量,光信号传播得更远。一根电缆可以同时容纳许多并行数据流,由不同颜色的光线进行传输。

利用光来处理数据,以及传输数据,也能够带来显着的性能提升。因为光导线路内的光线或多或少是自由传播的。相反,电信号必须相阻抗,产生废热。容量增加和节能减排,两者加在一起对那些运行大型机器学习项目的公司是很大的吸引。

光处理器不是一个新概念。在20世纪60年代就提出来了,用于军用雷达系统。但是随着半导体产业大步前进,数十年来芯片密度都实现了摩尔定律的提升。Fathom是新的光学计算复兴的一部分,这一复兴是由于人们认识到摩尔定律似乎正在失效。加州大学伯克利分校的14名研究人员在最近的一份报告中提到了摩尔定律的消亡,他们提出使AI系统变得更加智能的技术上的挑战。报告写道:“硬件技术迅速提升的历史正在陷入停滞。”

光学计算机不太可能在短时间内为你的笔记本或智能手机供能。首先,Fathom的原型机仍然太笨重了。但亚利桑那大学的教授Pierre-Alexandre Blanche说,这项技术看起来与芯片在基于人工神经网络的AI项目中的主要工作相当匹配。Siri的语音识别、在围棋上赢过人类的AlphaGo,都是建立在大量特定的数学运算的基础上的,即矩阵的乘法运算。

Fathom的原型机是通过将数字编码成光束来执行这些操作。光束通过一系列透镜和其他光学元件。 阅读这些光束如何在这个过程中发生改变,可以揭示计算的结果。像这样的光电路可以有效地执行传统计算机中存储器和处理器的工作。在这些组件之间移动数据的时间成本和能源成本是当前使用的系统性能的瓶颈。

Fathom并不孤单,认为AI系统需要光线的公司不止它一家。总部位于巴黎的创业公司LightOn近日宣布,它已经开始在数据中心测试自己的光学处理器技术。初创公司Lightmatter和Lightelligence去年从MIT脱离,筹集了总计2100万美元的资金,包括来自中国搜索巨头百度的资金。这两家初创公司诞生于MIT的一个项目,该项目在光学计算机上运行神经网络进行语音识别。但与Fathom的设备不同,该系统并未负责软件的训练。“我们在网上发布关于该项目的研究报告之后,很快收到了来自投资者的多次电话,”Lightelligence首席执行官兼创始人Yichen Shen说,“这是一个巨大的机遇。”

Andregg兄弟的前一家创业公司Halcyon Molecular偶然发现了另一个大好机遇。这家基因测序公司得到了特斯拉CEO Elon Musk和Facebook投资人 Peter Thiel的支持,但在2012年倒闭了,创始人说,这是因为竞争对手领先太多。

Andregg认为他的团队更适合在光学计算竞赛中。尽管如此,Fathom的原型机还是很长一段路要走。除了机器太大之外,在变冷时,当前的版本容易出错。他们的目标是将系统安装到一块电路板上,这样它就可以滑进服务器。从外面看到的庞大系统的某些部分应该相对容易缩小;机器是用相对低成本的部件组装起来的,以便进行修补。他们还必须设计一个新的芯片来检测和操作激光束。但是设计任何类型的芯片对于初创公司来说都是一个复杂的任务。

Andregg认为两年内还无法准备好最终的产品,但是他兄弟俩已经开始担心人们将怎么利用这个产品 Fathom成立时是一家公益企业,其使命是“为人工智能制造更好的硬件,改善所有人的生活”。这是为了让Fathom有权拒绝他们认为可能导致AI恶意使用的销售。“我们不想见到一个负面的奇点,”Andregg说,“如果军方想要购买我们的系统,我们就会拒绝。”

原文:https://www.wired.com/story/this-computer-uses-lightnot-electricityto-train-ai-algorithms/

加入社群

新智元AI技术+产业社群招募中,欢迎对AI技术+产业落地感兴趣的同学,加小助手微信号: aiera2015_1 入群;通过审核后我们将邀请进群,加入社群后务必修改群备注(姓名-公司-职位;专业群审核较严,敬请谅解)。

相关推荐