Como a fotnica est revolucionando a inteligncia artificial

Informtica

Redação do Site Inovação Tecnológica – 11/08/2023

Redes neurais convolucionais

De acordo com uma pesquisa realizada pela OpenAI, o perodo entre 2012 e 2018 testemunhou um aumento impressionante no nmero de clculos computacionais, que foram multiplicados por um fator maior que 300.000. Em contraste, durante o mesmo perodo, a Lei de Moore experimentou um aumento de apenas sete vezes no poder computacional.

Para atender a essa necessidade crescente de poder de computao, os pesquisadores tm-se voltado para a fotnica, a computao com luz, como um meio de aprimorar os algoritmos de inteligncia artificial, sobretudo as redes neurais convolucionais.

As redes neurais convolucionais so uma classe de redes neurais artificiais que revolucionaram vrios campos, particularmente tarefas de viso computacional, como reconhecimento de imagem, deteco de objetos e segmentao de imagens. Elas so inspiradas no mecanismo de processamento visual do crebro humano e so projetadas para aprender automaticamente representaes hierrquicas a partir de dados de entrada.

Quando as redes neurais convolucionais so mais profundas e tm parmetros mais treinveis, seu desempenho tende a melhorar, mas essa melhoria tem um custo: O consumo de energia e os requisitos de memria tambm aumentam significativamente. No campo do processamento de imagens, os estgios de convoluo dessas redes neurais consomem cerca de 80% da energia total consumida.

Como funciona a computao fotnica?

Depois de revolucionar a comunicao de dados, por meio das fibras pticas e tecnologias associadas, a fotnica agora est permitindo tirar proveito das propriedades exclusivas da luz para processar informaes.

Para isso surgiu um novo tipo de hardware, geralmente conhecido como processador fotnico, mas mais especificamente uma rede neural convolucional fotnica integrada, uma forma de acelerar os clculos usando dispositivos pticos especiais. O truque consiste em transformar a etapa de convoluo em uma srie de multiplicaes de matrizes.

Nesse mtodo, a imagem dividida em pequenos fragmentos, e cada fragmento transformado em uma linha de uma matriz. Os filtros, ou kernels, usados na convoluo so representados como colunas em outra matriz, com cada coluna contendo os pesos de um kernel. O resultado convolucional obtido realizando a multiplicao dessas duas matrizes.

A fotnica integrada consiste em realizar um processo semelhante, mas com luz. Os pedaos da imagem so convertidos em um sinal ptico e os pesos do kernel so armazenados em um chip especial. O sinal ptico enviado para dentro do chip e, dentro do chip, ele passa por um processo que realiza a multiplicao da matriz usando a luz.

Esse tipo de chip projetado especificamente para esses clculos e como um minicomputador para a luz – eles so conhecidos como circuitos integrados fotnicos, ou PIC na sigla em ingls (Photonic Integrated Circuits). Existem diferentes tipos desses chips, mas todos usam luz para fazer os clculos. Alguns circuitos integrados fotnicos so reprogramveis, o que significa que eles podem ser alterados para realizar clculos diferentes, enquanto outros so fixos e projetados para tarefas especficas.

Como a computao fotnica acelera as redes neurais?

Uma maneira de acelerar o processamento de imagens usando luz a abordagem de fatiamento do espectro ptico. Imagine uma mquina que possa analisar imagens muito rapidamente dividindo-as em diferentes cores e padres. Essa mquina no precisa de circuitos complicados, ou de pr-processamento das imagens, antes de analis-las. O mtodo usa filtros especiais que separam a imagem em diferentes partes com base em suas cores e padres. Esses filtros trabalham em conjunto para extrair caractersticas importantes da imagem, como um rosto ou um sinal de trnsito.

Com esta abordagem, a mquina se torna escalvel, o que significa que ela pode lidar com imagens maiores e mais complexas. Este mtodo consome muito pouca energia, j que necessita apenas de uma pequena quantidade de eletricidade para emitir e detectar a luz e processar os sinais. E ele funciona instantaneamente, sem retardos, processando imagens em tempo real, literalmente na velocidade da luz.

Outro tipo de acelerador fotnico segue uma abordagem bioisomrfica, usando neurnios a laser pulsado miniaturizados e treinamento bioinspirado no-supervisionado. Essa arquitetura profunda oferece uma soluo resiliente a rudos e tambm eficiente em termos de energia. Os neurnios a laser simulam o comportamento de pico, ou disparo, dos neurnios biolgicos, fornecendo robustez contra o rudo. O treinamento bioinspirado no-supervisionado extrai autonomamente caractersticas significativas dos dados, permitindo o reconhecimento de padres sem rtulos explcitos.

Concluso

No novidade que o processamento de informaes baseado em fotnica oferece eficincia energtica, o que decisivo frente ao crescimento explosivo na demanda por poder de computao. Mas estas ltimas abordagens significam que j demos um passo adiante, com os aceleradores atingindo resilincia ao rudo e, portanto, maior preciso nos clculos.

Em resumo, a abordagem combinando neurnios a laser miniaturizados, treinamento bioinspirado no-supervisionado e fotnica est criando uma soluo de aprendizado profundo que pode no apenas evitar o “muro frente” da Lei de Moore, como tambm um ganho na eficincia energtica, tudo sem perder a preciso dos clculos obtidos com o hardware eletrnico atual.

Outras notcias sobre:

Mais tópicos