Naukowcy z Uniwersytetu Kalifornijskiego w Los Angeles zbudowali sieć neuronową, w której wydrukowane w technologii 3D panele tak manipulują światłem, by przetwarzać informacje na podobnej zasadzie jak klasyczne sieci.
Panuje przekonanie, że sieci neutronowe wymagają sprzętu o sporej mocy obliczeniowej. Sęk w tym, że tylko etap projektowania jest pod tym względem utrudniony, ponieważ konieczne jest wtedy sprawdzanie wydajności i ciągłe ulepszanie połączeń między neuronami. Kiedy proces jest ukończony, wymagania sprzętowe się zmniejszają. W tym przypadku ekipa odpowiedzialna za projekt przeprowadziła fazę projektowania w standardowy sposób, jednak potem zastosowała dość nietypowe rozwiązanie – skorzystała z paneli przepuszczających światło.
Konstrukcja składa się z wielu warstw, które przy pomocy światła przekazują informacje do kolejnych paneli. Zakres danych oraz siła sygnału są definiowane jeszcze w poprzedniej fazie tworzenia sieci. Rozwiązanie działa na zasadzie znanej z tzw. deep-learningu. Komputer uczy się wtedy rozpoznawać i wykonywać zadania, które nie stanowią problemu dla ludzkiego mózgu. Chodzi m.in. o identyfikowanie obrazów czy rozumienie mowy.
Aby przetestować rozwiązanie, naukowcy dali mu dwa zadania. Pierwsze polegało na wybraniu spośród cyfr tych, które zostały napisane ręcznie. Maszyna uzyskała ponad 90-procentową skuteczność, co okazało się zadowalającym wynikiem. W drugim teście ogólna celność okazała się niższa i wyniosła 86%, jednak powód do radości był inny. Mianowicie, różnica między skutecznością uzyskaną przez tradycyjną sieć neuronową a tą napędzaną światłem była jeszcze niższa.
Trudno określić, jakie praktyczne zastosowanie mogłaby znaleźć taka świetlna sieć, tym bardziej, że na tę chwilę jej skuteczność jest niższa od klasycznej, elektronowej. Być może w kolejnych fazach projekt stanie się wydajniejszy.
[Źródło: arstechnica.com; grafika: UCLA]
