光學系統將推動 ChatGPT 型機器學習程式的能力
引言
2023 年 7 月 28 日，麻省理工學院（Massachusetts Institute of Technology）的材料研究實驗室（Materials Research Laboratory）發表了一項重要科研成果，他們開發出一種基於光學的電腦系統，有望將機器學習程式的能力提升上數個數量級，同時能夠以比現有超級計算機更少的能源執行。這項研究成果發表在《自然光子學》（Nature Photonics）期刊上。光學系統的優勢
現今使用電子訊號進行機器學習計算的數位技術已達到瓶頸，同時需要龐大能源且僅限於大型資料中心。而使用光學技術進行深度神經網路（DNN）計算則有潛力突破當前的約束。光學計算擁有比電子計算更低的能量消耗，並且具有更大的頻寬，也就是更高的計算密度。光學系統能夠在更小的區域內傳輸更多的資訊。 然而當前的光學神經網路（ONN）仍存在著一些挑戰。例如，由於 ONN 在將電能轉換為光能方面效率低下，因此需要耗費大量的能源。此外 ONN 所使用的元件佔用空間大，體積笨重。而且雖然 ONN 在加法等線性計算上表現出色，但在乘法和條件語句等非線性計算上表現較差。研究團隊的突破
麻省理工學院的團隊在這項研究中提出了一種緊湊的架構，首次同時解決了上述所有的挑戰。這種架構是基於最新的垂直發射面共振器（VCSEL）陣列技術開發的，VCSEL 是一種相對較新的技術，應用包括 LiDAR 遠端感測和鐳射列印。 該研究團隊報告中指出，他們的系統的能源效率提高了 100 倍以上，計算密度提高了 25 倍，相對於當今機器學習的數位計算機。此外研究團隊做出了大幅度的改進，未來更可望取得“更多的數量級的進展”。他們的研究為實現從資料中心到分散式邊緣裝置加速機器學習任務的大規模光電處理器開闢了一條途徑。 研究團隊成員之一的 Zaijun Chen 表示該系統的元件可以利用現有的製程技術進行製造，例如，這種型號的雷射陣列已經被廣泛應用於手機的人臉識別和資料通訊領域。此外負責該研究的麻省理工學院電氣工程和電腦科學系（Department of Electrical Engineering and Computer Science，簡稱 EECS）的合作教授 Dirk Englund 表示該技術的應用將推動機器學習模型的發展，為未來的探索開啟了一個全新的領域。對於 ChatGPT 和機器學習的影響
ChatGPT 是一種利用機器學習技術的自然語言生成模型，它可以根據使用者的問題撰寫出高質量的文章、電子郵件和計算機程式碼。然而當前 ChatGPT 的大小受制於當今超級計算機的能力。而這種新技術的應用將使得 ChatGPT 等下一代機器學習模型的容量更大，能力更強。例如，如果 ChatGPT 的能力提升了 100 倍，我們無法預料它所能帶來的革命性變化。 總的來說該研究意味著未來幾年內，小型裝置如手機等也有可能執行當前只能在大型資料中心中執行的程式。這將為人工智慧領域的發展提供更加廣闊的應用空間。結論
麻省理工學院的研究團隊成功開發出一種基於光學的電腦系統，有望推動 ChatGPT 型機器學習程式的能力。這項研究成果的突破性在於提高了能源效率和計算密度，為大規模光電處理器的發展開闢了新的途徑。該技術的應用將使得機器學習模型變得更加固大，並有望實現從資料中心到分散式邊緣裝置的機器學習任務加速。這項研究的突破將為人工智慧領域的發展帶來更大的可能性，值得我們期待。 **Editorial**迎接機器學習革命的新時代
透過光學系統提升機器學習程式的能力，無疑將促進人工智慧領域的發展。機器學習的應用正在不斷擴大，從自然語言生成到影象識別，我們已經看到了機器學習在各個領域帶來的革命性變化。然而當前機器學習模型的大小和計算能力受到約束，這約束了我們對於更複雜問題的解答能力。 本研究的突破使得下一代機器學習模型可以更大，能力更強，為我們帶來了更大的開發潛力。未來數年，我們可以預見，小型裝置如手機也能夠執行當前只能在大型資料中心中執行的機器學習程式。這將為我們的日常生活帶來巨大的改變。例如，在我們的手機上執行更強大的語音助手，無需再依賴於雲端服務的計算能力。此外這將推動更多機器學習應用的發展，例如在醫療、交通和金融等領域的應用。 然而我們也需要警惕這項技術可能帶來的挑戰。隨著機器學習模型變得更加固大，我們需要更多的資料和計算能力來訓練這些模型。這可能導致更多能源的消耗和更多的資料儲存需求。同時我們也需要關注機器學習在隱私保護和倫理方面可能帶來的問題。我們需要制定相應的政策和法規，以確保機器學習的發展符合社會的利益。 總的來說本研究的突破性成果為機器學習領域帶來了新的希望。我們有理由相信，這項技術的應用將帶領我們進入一個全新的機器學習時代，為人工智慧的未來發展揭開嶄新的篇章。 **建議**開放合作推動技術的應用
基於光學的電腦系統對於機器學習的發展有著重要的推動作用。作為社會的一份子，我們應該鼓勵和支援學術界和產業界的合作，加固對於這項研究成果的應用與推廣。只有透過開放的合作，我們才能夠充分利用這項技術的潛力，實現更廣泛的應用。 同時政府和學術界也需要積極投入相關的研究和資源，以推動這項技術的發展。例如，提供資金支援和研究獎勵，以吸引更多的專家和研究人員參與到這一領域的研究中來。此外建立相應的教育體系和培訓計劃，以培養更多具備相關專業知識和技能的人才。 最後我們應該保持對技術發展的警覺性。雖然這項研究成果帶來了許多機遇，但我們也需要思考並解決相應的問題和挑戰。保護個人隱私、確保資料安全和構建公平的機器學習系統都是我們面臨的重要課題。只有綜合考慮技術的優勢和潛在的風險，我們才能夠在這一領域實現可持續的發展。Technology-光學系統,電腦科學,ChatGPT,機器學習,程式開發
延伸閱讀
- Anthropic 的 Claude 在 iOS 平臺上的推出獲得微弱反韇，與 ChatGPT 的首次亮相相比
- 開放 AI （OpenAI）的 ChatGPT 新聞發布：我們當前所知道的事情
- OpenAI 考慮允許 AI 色情內容？
- OpenAI 揭開 AI 祕密指令的面紗
- 深潛至海底者：機器學習揭開抹香鯨的「字母表」
- GitHub 推出 Copilot Workspace：AI 驅動的軟體工程空間
- ChatGPT 在歐盟再次遭遇隱私投訴，「幻覺」問題再起風波
- 無線耳機升級帶來 ChatGPT 貼心助手 - Nothing 最新耳機震撼登場
- OctoAI 推出 OctoStack，讓私人 AI 模型部署更輕鬆
- ChatGPT 不再需要帳戶 - 但有一個小陷阱
