從平面到立體：硬體處理 AI 進入 3D 時代
引言
最近在《自然光子學》期刊上發表的一篇論文中，來自牛津大學以及門斯特爾大學、海德堡大學和埃克塞特大學的研究人員報告了他們開發的整合光電硬體，能夠處理三維資料，從而顯著提升了人工智慧任務的資料處理並行性。這項研究的核心是利用光訊號和射頻訊號來編碼資料，從而實現更高維度的處理能力。現有的挑戰
傳統的計算機晶片處理效率每隔 18 個月就會翻倍，但現代人工智慧任務所需的處理能力當前每隔約 3.5 個月就會翻倍。這意味著迫切需要新的計算範式來應對不斷增長的需求。其中一種方法是使用光代替電子，這使得可以使用不同波長來代表不同的資料集，並同時進行多個計算。在 2021 年發表在《自然》期刊上的開創性研究中，研究人員已經展示了一種整合光子處理晶片，其在進行矩陣向量乘法（這是人工智慧和機器學習應用中至關重要的任務）時的速度遠遠超過了最快的電子方法。這項工作最終導致了光子人工智慧公司 Salience Labs 的誕生，該公司是從牛津大學孵化出來的。立體處理的突破
如今研究團隊進一步透過將額外的平行維度新增到其光子矩陣向量乘法晶片的處理能力中，取得了更大的突破。這種“更高維度”的處理是透過利用多個不同的射頻訊號來編碼資料而實現的，進一步推動了並行處理的能力。實驗應用：心臟疾病患者的研究
作為實驗取證，研究團隊將他們的新型硬體應用於評估心臟病患者的心電圖突發死亡風險。他們能夠同時成功分析 100 個心電圖訊號，以 93.5%的準確率識別突發死亡的風險。研究人員進一步估計，即使是在較為簡單的 6 個輸入×6 個輸出的規模上，這種方法也能超越最先進的電子處理器，潛在地提供 100 倍的能源效率和計算密度增強。研究團隊預計在未來進一步增強計算並行性，透過利用光的更多自由度，例如極化和模式多路復用。展望與結論
牛津大學材料學系的鄧博偉博士在接受採訪時表示：“我們以前認為，使用光而不是電子只能透過使用不同的波長來增加並行性，但後來我們意識到，使用射頻訊號代表資料還能開啟另一個維度，為新興 AI 硬體實現了超高速並行處理能力。”領導此項研究的牛津大學材料學系教授哈裏什·巴斯卡蘭表示：“這是一個激動人心的時刻，我們正在從基本層面上進行 AI 硬體的研究，這項工作就是我們的一個例子，它展示了我們此前認為的局限性可以被進一步突破。”結語與建議
這項研究的突破代表著人工智慧硬體處理的一個重要裏程碑。隨著 AI 技術的不斷發展，對處理能力和效能的需求越來越高，而這項研究提供了一種新的思路。然而在這個領域取得突破並實現商業應用還需面臨許多挑戰，例如如何量產和可靠性測試這種新型硬體。我建議政府機構和行業界紛紛加大對這方面的投資，以促進這項技術的發展。 同時我們也需要關注這項研究背後的倫理問題。人工智慧的發展不僅帶來了巨大的技術和應用潛力，還帶來了許多社會和倫理挑戰。因此我們需要確保人工智慧的發展符合道德和法律的準則，並確保它能夠為社會的利益帶來積極的影響。 總的來說牛津大學及其合作夥伴在 AI 硬體處理方面的突破是一個重要的科技進步。它不僅為 AI 技術的發展提供了新的可能性，還為未來的技術革新開啟了新的方向。然而我們仍然需要更多的努力和投資來實現這項技術的商業化和社會化。希望這項研究能夠激勵更多的科學家和企業家投身於 AI 硬體領域的研究和創新，以推動我們更近一步實現 AI 的潛力。 原文連結：https://techxplore.com/news/2023-10-square-cube-hardware-ai-3d.html3DTechnology-硬體 AI,平面到立體,3D 技術,處理能力
