Cervello ad AI alimentato dalla luce elabora più compiti contemporaneamente
I ricercatori hanno creato una rete neurale olografica che usa la luce invece dell'elettricità per eseguire più compiti AI simultaneamente — senza modifiche all'hardware.

Un sistema di intelligenza artificiale che usa fasci di luce al posto dell'elettricità per eseguire più compiti contemporaneamente.
- La luce attraversa un pannello piano che la curva e le dà forma
- La luce si espande formando schemi che veicolano informazioni
- Si riconoscono insieme parecchie attività dagli schemi luminosi
- Impiega drasticamente meno energia dei normali chip elettronici per l'AI
Un cervello, molti compiti
Scienziati in Cina hanno realizzato un nuovo tipo di sistema di intelligenza artificiale che usa la luce per eseguire più compiti contemporaneamente. Il sistema è chiamato rete neurale olografica (HNN), e funziona modellando le onde luminose invece di affidarsi a circuiti elettronici 1.
I chip AI tradizionali usano elettricità per elaborare informazioni, il che consuma molta energia e può essere lento quando molti compiti devono essere eseguiti insieme. Il calcolo ottico o fotonico usa la luce per svolgere gli stessi lavori più velocemente e con molta meno energia 3.
Il nuovo HNN è stato sviluppato da ricercatori di China Information Communication Technologies Group Corporation, insieme a team del Peng Cheng Laboratory, dell'Università di Wuhan e della Nanyang Technological University. I loro risultati sono stati pubblicati sulla rivista Opto-Electronic Technology.
Come funziona
Il segreto del sistema è un singolo dispositivo chiamato modulatore spaziale di luce solo fase, o SLM. Questo pannello piatto può controllare come le onde luminose si piegano e si diffondono mentre lo attraversano. Nel nuovo design, l'SLM fa doppio lavoro: riceve sia i dati di input sia li elabora sfruttando la fisica della diffrazione luminosa 1.
La diffrazione è ciò che accade quando la luce si piega attorno agli ostacoli o attraverso aperture minuscole, creando schemi che trasportano informazioni. I ricercatori hanno sfruttato questo effetto per eseguire più lavori di riconoscimento di immagini contemporaneamente — dividendo e deviando fasci di luce verso diverse parti del sistema senza alcuna parte in movimento 3.
I sistemi ottici multi-task precedenti richiedevano o di cambiare il colore o la polarizzazione del laser, o di riorganizzare fisicamente l'hardware tra i compiti. Entrambi gli approcci sono costosi e complicati 1. Il nuovo sistema evita tutto questo.
Meglio insieme
Addestrare una rete neurale ottica è delicato perché l'hardware fisico deve corrispondere al processo di addestramento digitale. Il team ha usato un metodo di addestramento end-to-end che tiene conto di come la luce si comporta effettivamente nel dispositivo, aiutando i risultati delle simulazioni a corrispondere strettamente alle prestazioni reali 1.
Hanno anche introdotto un nuovo trucco di addestramento: un fattore di correlazione tra compiti. Durante l'addestramento, l'algoritmo impara quanto i diversi compiti si sovrappongono e riduce le interferenze tra di essi. Quando due compiti correlati come riconoscere due cifre diverse sono stati addestrati insieme, il sistema multi-task era in realtà più preciso di un sistema costruito per un solo compito 1.
I ricercatori hanno dimostrato che il sistema gestisce quattro compiti diversi contemporaneamente mantenendo una precisione di classificazione intorno al 90 percento 1.
Perché conta
Questo lavoro mostra che l'hardware AI ottico potrebbe un giorno sostituire o affiancare i chip elettronici per certi tipi di lavoro. Eseguire più compiti AI in parallelo con la luce potrebbe tagliare drasticamente l'uso di energia accelerando al contempo applicazioni come l'imaging medico e il riconoscimento di pattern 2.
Man mano che i sistemi AI crescono in dimensioni e richieste, trovare modi per processare informazioni con la luce invece che con l'elettricità potrebbe diventare parte importante della cassetta degli attrezzi 3.
I fatti principali
- Un singolo dispositivo che modula la luce gestisce sia l'input sia il calcolo nella nuova rete neurale olografica
- L'AI ottico multi-task può eseguire quattro compiti contemporaneamente con circa il 90 percento di accuratezza
- Addestrare insieme due compiti correlati può effettivamente migliorare l'accuratezza rispetto all'addestramento con un solo compito
- Il sistema non richiede parti meccaniche né riconfigurazione dell'hardware per passare tra i compiti
Fonti
- New holographic neural network uses light to perform multiple AI tasks at once — eurekalert.org
- Holographic Neural Network Achieves Multi-Task AI via Light-Based ... — radaislice.com
- New holographic neural network uses light to perform multiple AI tasks ... — brightsurf.com
- 2604.15364 Photonic AI: A Hybrid Diffractive Holographic Neural ...
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
Come funzionaUn modello di AI grande ha imparato a riparare il proprio cervello senza essere riaddestratoHerald of AI
Un modello di AI grande ha imparato a riparare il proprio cervello senza essere riaddestrato
I ricercatori hanno scoperto che un modello da 27 miliardi di parametri può modificare i propri parametri interni per diventare più preciso: senza bisogno di un insegnante umano.
Come funzionaCome Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunciHerald of AI
Come Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunci
Il nuovo sistema di agenti AI di Meta adatta automaticamente piccoli miglioramenti attraverso migliaia di modelli pubblicitari, risparmiando milioni nei costi di calcolo.
Come funzionaI bot per gli acquisti con l'AI diventano più sicuri di sé quando chiedono di pensare di più — ma non più intelligentiHerald of AIDeni Williams from São Paulo, Brasil / Brazil, CC BY 2.0, via Wikimedia Commons
I bot per gli acquisti con l'AI diventano più sicuri di sé quando chiedono di pensare di più — ma non più intelligenti
Un nuovo studio dimostra che chiedere agli assistenti con l'AI di ragionare più a lungo prima di suggerire prodotti li rende solo più sicuri di sé, non effettivamente più corretti.