Immagine copertina generata con l’intelligenza artificiale
La crescita dell’intelligenza artificiale porta con sé una sfida sempre più importante: aumentare la capacità di calcolo senza far esplodere i consumi energetici. Una possibile risposta arriva dalla computazione ottica, un approccio che utilizza la luce per svolgere parte delle operazioni normalmente affidate ai circuiti elettronici. Uğur Teğin, professore assistente presso il Dipartimento di Ingegneria elettrica ed elettronica della Koç University, ha sviluppato due sistemi sperimentali che esplorano questa possibilità. I risultati, pubblicati su Communications Engineering e Communications Physics, mostrano come i fotoni possano contribuire a rendere l’elaborazione dei dati più efficiente.
L’aumento della domanda energetica per l’intelligenza artificiale
La diffusione dell’intelligenza artificiale in un numero crescente di applicazioni sta facendo aumentare la richiesta di potenza di calcolo. Le infrastrutture necessarie per addestrare ed eseguire i modelli devono elaborare quantità sempre maggiori di dati, rendendo l’efficienza energetica una questione centrale per lo sviluppo del settore.
I tradizionali circuiti elettronici non sono l’unica strada percorribile. La luce, infatti, possiede caratteristiche che possono essere sfruttate per trattare informazioni in maniera differente rispetto ai segnali elettrici. In particolare, può trasportare ed elaborare simultaneamente più flussi di informazioni, una proprietà interessante per le applicazioni di intelligenza artificiale che richiedono operazioni complesse.
Offloading computazionale: la luce come nuovo strumento
L’approccio studiato da Teğin consiste nell’affidare ai sistemi ottici una parte delle operazioni computazionali normalmente svolte dal software e dall’elettronica. Non si tratta semplicemente di utilizzare la luce per trasmettere dati: in questi esperimenti, i fenomeni ottici partecipano direttamente all’elaborazione delle informazioni.
Le due ricerche seguono percorsi complementari. La prima utilizza una rete neurale fotonica programmabile per elaborare informazioni contenute nelle immagini a colori, conservando i diversi canali cromatici. La seconda sfrutta invece una cavità laser a fibra multimodale come processore fisico per il machine learning.
Due sistemi innovativi per un’intelligenza artificiale sostenibile
Nel primo studio, condotto da Teğin insieme alla studentessa magistrale Fatma Nur Kılınç, la rete neurale ottica trasforma le informazioni visive in rappresentazioni più semplici da classificare. A differenza di alcuni sistemi tradizionali, che convertono le immagini a colori in scala di grigi, questa soluzione mantiene le informazioni dei canali rosso, verde e blu e li elabora contemporaneamente. Il sistema può così valorizzare elementi come colore, forma e consistenza.
La ricerca ha mostrato risultati interessanti nella classificazione di malattie dermatologiche: l’accuratezza è passata dal 68% ottenuto utilizzando direttamente i pixel a colori al 98% dopo l’elaborazione ottica.
Il secondo sistema, descritto su Communications Physics, coinvolge anche Dilem Eşlik, Kılınç e lo studente universitario Bahadır Utku Kesgin. In questo caso, le immagini vengono codificate nella luce e processate all’interno della cavità laser. Le dinamiche fisiche del laser svolgono così una parte del lavoro che, in un sistema convenzionale, sarebbe affidata al software.
Prospettive di applicazione e limiti attuali
Il processore ottico basato sul laser è stato sperimentato su diversi insiemi di dati: immagini di rifiuti riciclabili, informazioni meteorologiche, immagini satellitari, scansioni della retina e fotografie di lesioni cutanee. L’accuratezza della classificazione è risultata compresa tra l’85% e il 99%, a seconda del dataset. Il sistema ha inoltre richiesto un numero molto inferiore di parametri addestrabili rispetto ai modelli convenzionali di deep learning, perché una parte consistente dell’elaborazione viene svolta direttamente dal laser.
Questi risultati non significano, tuttavia, che l’elettronica possa essere eliminata. Entrambe le architetture utilizzano ancora componenti elettronici, tra cui telecamere e unità di controllo. La sfida consiste quindi nel trasferire progressivamente una quota maggiore del lavoro alla luce, mantenendo un sistema funzionante e integrato.
Il nuovo approccio aiuta a rendere l’intelligenza artificiale sostenibile
Le due ricerche evidenziano vantaggi differenti ma complementari: da una parte, la possibilità di elaborare informazioni multidimensionali preservando dettagli utili; dall’altra, l’utilizzo delle proprietà fisiche di un laser per svolgere direttamente parte dei calcoli.
Secondo i ricercatori, lo sviluppo di dispositivi capaci di controllare la luce ad alta velocità e di sistemi ottici compatti integrati su chip potrebbe ampliare ulteriormente le applicazioni di questo approccio. L’obiettivo è arrivare a infrastrutture nelle quali la computazione ottica alleggerisca il carico dei processori elettronici, contribuendo a realizzare sistemi di intelligenza artificiale più veloci ed efficienti dal punto di vista energetico.
Cosa fare adesso
I risultati rappresentano una direzione di ricerca per l’hardware destinato all’intelligenza artificiale, non una soluzione già pronta a sostituire i processori tradizionali. Le prossime evoluzioni dipenderanno anche dalla capacità di integrare i componenti ottici in dispositivi compatti e di aumentare la quota di elaborazione affidata alla luce.
La computazione fotonica offre quindi una strada da approfondire per affrontare la crescente domanda di risorse informatiche, con l’obiettivo di contenere i consumi e rendere più sostenibile lo sviluppo delle applicazioni AI.
Fonte: Techxplore
