Chip untuk AI Ini Bekerja Menggunakan Cahaya, Bukan Elektron


Sebagai permintaan kecerdasan buatan tumbuh, begitu pula rasa lapar akan daya komputer yang dibutuhkan agar AI tetap berjalan.

Lightmatter, sebuah perusahaan rintisan yang lahir di MIT, bertaruh bahwa rasa lapar AI akan memicu permintaan akan jenis chip komputer yang berbeda secara fundamental — yang menggunakan cahaya untuk melakukan kalkulasi penting.

“Kita bisa menemukan jenis komputer baru untuk melanjutkan,” kata CEO Lightmatter Nick Harris, “atau AI melambat.”

Chip komputer konvensional bekerja dengan menggunakan transistor untuk mengontrol aliran elektron melalui semikonduktor. Dengan mengurangi informasi menjadi rangkaian 1 dan 0, chip ini dapat melakukan beragam operasi logis, dan mendukung perangkat lunak yang kompleks. Chip Lightmatter, sebaliknya, dirancang untuk melakukan hanya jenis perhitungan matematis tertentu yang penting untuk menjalankan program AI yang kuat.

Harris menunjukkan WIRED chip baru di kantor pusat perusahaan di Boston baru-baru ini. Itu tampak seperti chip komputer biasa dengan beberapa kabel serat optik yang meliuk keluar darinya. Tapi itu melakukan perhitungan dengan memisahkan dan mencampur berkas cahaya dalam saluran kecil, hanya berukuran nanometer. Chip silikon yang mendasari mengatur fungsi bagian fotonik, dan juga menyediakan penyimpanan memori sementara.

Lightmatter berencana untuk mulai mengirimkan chip AI berbasis cahaya pertamanya, yang disebut Envise, akhir tahun ini. Ini akan mengirimkan bilah server yang berisi 16 chip yang sesuai dengan pusat data konvensional. Perusahaan telah mengumpulkan $ 22 juta dari GV (sebelumnya Google Ventures), Spark Capital, dan Matrix Partners.

Perusahaan mengatakan chipnya berjalan 1,5 hingga 10 kali lebih cepat daripada chip AI Nvidia A100 top-of-the-line, tergantung pada tugasnya. Menjalankan model bahasa alami yang disebut BERT, misalnya, Lightmatter mengatakan Envise lima kali lebih cepat daripada chip Nvidia; itu juga menghabiskan seperenam daya. Nvidia menolak berkomentar.

Panduan WIRED untuk Kecerdasan Buatan

Algoritme supersmart tidak akan mengambil semua pekerjaan, tetapi mereka belajar lebih cepat dari sebelumnya, melakukan segalanya mulai dari diagnostik medis hingga menayangkan iklan.

Teknologi memiliki batasan teknis, dan mungkin sulit untuk membujuk perusahaan untuk beralih ke desain yang belum terbukti. Namun Rich Wawrzyniak, seorang analis Semico yang telah diberi pengarahan tentang teknologi, mengatakan ia yakin teknologi tersebut memiliki peluang yang layak untuk mendapatkan daya tarik. “Apa yang mereka tunjukkan kepada saya — saya pikir itu cukup bagus,” katanya.

Wawrzyniak mengharapkan perusahaan teknologi besar untuk setidaknya menguji teknologinya karena permintaan untuk AI — dan biaya penggunaannya — tumbuh begitu cepat. “Ini adalah masalah mendesak dari banyak sudut pandang berbeda,” katanya. Kebutuhan daya pusat data “mendaki seperti roket”.

Chip Lightmatter lebih cepat dan lebih efisien untuk kalkulasi AI tertentu karena informasi dapat dikodekan lebih efisien dalam panjang gelombang cahaya yang berbeda, dan karena pengontrolan cahaya membutuhkan daya yang lebih sedikit daripada pengontrolan aliran elektron dengan transistor.

Batasan utama chip Lightmatter adalah perhitungannya analog dan bukan digital. Ini membuatnya kurang akurat daripada chip silikon digital, tetapi perusahaan telah menemukan teknik untuk meningkatkan ketepatan perhitungan. Lightmatter akan memasarkan chipnya pada awalnya untuk menjalankan model AI yang telah dilatih sebelumnya daripada untuk model pelatihan, karena hal ini membutuhkan lebih sedikit ketepatan, tetapi Harris mengatakan pada prinsipnya mereka dapat melakukan keduanya.

Chip akan sangat berguna untuk jenis AI yang dikenal sebagai pembelajaran dalam, berdasarkan pelatihan jaringan saraf yang sangat besar atau “dalam” untuk memahami data dan membuat keputusan yang berguna. Pendekatan tersebut telah memberi komputer kemampuan baru dalam pemrosesan gambar dan video, pemahaman bahasa alami, robotika, dan untuk memahami data bisnis. Tapi itu membutuhkan data dan daya komputer dalam jumlah besar.

Melatih dan menjalankan jaringan neural dalam berarti melakukan banyak kalkulasi paralel, tugas yang sangat cocok untuk chip grafis kelas atas. Munculnya pembelajaran mendalam telah menginspirasi berkembangnya desain chip baru, dari yang khusus untuk pusat data hingga desain yang sangat efisien untuk gadget seluler dan perangkat yang dapat dikenakan.

Diposting oleh : Lagutogel