用光彻底改变人工智能

人工神经网络是相互连接的人工神经元层，对于机器学习任务(例如语音识别和医学诊断)具有重要意义。实际上，电子计算硬件已接近其能力的极限，但对更高计算能力的需求却在不断增长。

研究人员将自己转向光子而不是电子来以光速传输信息。事实上，不仅光子可以比电子更快地处理信息，而且它们是当前互联网的基础，重要的是要避免所谓的电子瓶颈(将光信号转换为电子信号，反之亦然) )。

提高计算速度

所提出的光学神经网络能够以每秒超过十万亿次的超高计算速度识别和处理大规模数据和图像。集成光子学专家莫兰多蒂教授解释了如何将光学频率梳(一种由许多等距频率模式组成的光源)集成到计算机芯片中并用作光学计算的节能光源。

该设备执行一种称为卷积的矩阵向量乘法，用于图像处理应用。它显示了实时海量数据机器学习任务的有希望的结果，例如识别相机中的人脸或临床扫描应用中的病理学识别。他们的方法可扩展和训练到更复杂的网络，用于要求苛刻的应用程序，例如无人驾驶车辆和实时视频识别，允许在不久的将来与新兴的物联网完全集成。