Actualités
Actualités Tech

Cette puce pour AI fonctionne avec la lumière, n’utilise pas d’électronique


Comme le besoin de intelligence artificielle Développer, par conséquent, le besoin de puissance informatique nécessaire au fonctionnement de l’IA.

Lumière, une startup née au MIT, parie que la famine de l’IA créera le besoin d’un type fondamentalement différent de puce informatique – une puce qui utilise la lumière pour faire des calculs.

« Soit nous inventons de nouveaux types d’ordinateurs pour continuer à grandir, soit l’IA ralentit », a déclaré Nick Harris, PDG de Lightmatter.

Habituellement, commun, normal puce informatique fonctionne en utilisant des transistors pour contrôler le flux d’électrons à travers un semi-conducteur. En réduisant les informations à une série de 1 et de zéros, ces puces peuvent effectuer une série d’opérations logiques et alimenter des logiciels complexes. En revanche, la puce de Lightmatter est conçue pour effectuer un seul type spécifique de calcul mathématique important pour exécuter de puissants programmes d’IA.

Harris a récemment présenté la nouvelle puce WIRED au siège de la société à Boston. Cela ressemble à une puce informatique ordinaire avec des câbles à fibre optique qui y sont attachés. Mais il effectue les calculs en divisant et en mélangeant des faisceaux de lumière dans des canaux microscopiques, d’une taille de seulement nanomètres. Une puce de silicium en dessous coordonne l’action de l’élément photonique et fournit également un stockage de mémoire temporaire.

Lightmatter prévoit de commencer à expédier sa première puce IA basée sur la lumière, appelée Envise, plus tard cette année. Il embarquera des cartes serveur contenant 14 puces adaptées aux centres de données conventionnels. La société a levé 22 millions de dollars auprès de GV (anciennement Google Ventures), Spark Capital et Matrix Partners.

La société affirme que ses puces fonctionnent de 1,5 à 10 fois plus vite que le haut de gamme Nvidia Puce A100 AI, selon la tâche. Par exemple, en exécutant un modèle de langage naturel appelé BERT, Lightmatter dit que l’Envise est cinq fois plus rapide qu’une puce Nvidia; il consomme également un sixième de l’électricité.

Guide filaire de l’intelligence artificielle

Les algorithmes de Supersmart ne feront pas tout le travail, mais ils apprennent plus vite que jamais, du diagnostic médical à la diffusion d’annonces.

La technologie présente des limites techniques et peut être difficile à convaincre les entreprises de passer à une conception non éprouvée. Mais Rich WawrzyniakUn analyste de Semico, qui a été informé de la technologie, dit qu’il pense qu’elle a de bonnes chances de gagner du terrain. « Ce qu’ils m’ont montré – je pense que c’est plutôt bien », a-t-il déclaré.

Wawrzyniak s’attend à ce que les grandes entreprises de technologie testent au moins la technologie, car la demande d’IA – et le coût de son utilisation – augmente très rapidement. « Il s’agit d’une question urgente à bien des égards », a-t-il déclaré. La demande de puissance des centres de données est en train de «monter en flèche».

La puce de Lightmatter est plus rapide et plus efficace pour certains calculs d’IA car les informations peuvent être codées plus efficacement à différentes longueurs d’onde lumineuses et parce que le contrôle de la lumière nécessite moins d’énergie que le contrôle du flux d’électrons avec des transistors.

Une limitation majeure de la puce Lightmatter est que ses calculs sont analogiques et non numériques. Cela le rend intrinsèquement moins précis que les puces numériques en silicium, mais la société a mis au point des techniques pour améliorer la précision des calculs. Lightmatter commercialisera initialement sa puce pour exécuter des modèles d’IA pré-entraînés plutôt que pour entraîner des modèles, car cela nécessite moins de précision, mais Harris dit en principe qu’ils peuvent le faire.

Cette puce sera très utile pour un type d’IA appelé étudier soigneusement, est basé sur la formation d’un réseau de neurones très volumineux ou «profond» pour comprendre les données et prendre des décisions utiles. Cette approche a donné aux ordinateurs de nouvelles possibilités de traitement d’images et de vidéos, de compréhension du langage naturel, de construction de robots et de compréhension des données commerciales. Mais cela nécessite une grande quantité de données et de puissance informatique.

Entraîner et faire fonctionner des réseaux de neurones profonds signifie faire beaucoup de calculs en parallèle, une tâche bien adaptée aux puces graphiques haut de gamme. La prolifération de l’apprentissage en profondeur a inspiré une floraison de nouvelles conceptions de puces magnétiques spécialisés pour le centre de données viens Conception à haute efficacité pour les gadgets portables et les appareils portables.



Source link

Laissez un commentaire