Et forskerhold fra University of Sydney har bygget en prototypechip, der lader kunstig intelligens regne med lys i stedet for strøm. Fremtidens AI kan blive både hurtigere, køligere og langt mindre strømslugende.
Kapløbet om kunstig intelligens handler ikke længere kun om at bygge større modeller. Det handler i stigende grad også om noget langt mere lavpraktisk: strømforbrug.
Jo mere AI vokser, desto større bliver presset på datacentre, elnet og køling. Derfor er der god grund til at spidse ører, når forskere nu viser en ny type chip, som kan udføre AI-beregninger med lys i stedet for elektriske signaler.
Det nye forsøg kommer fra University of Sydney, hvor forskere har udviklet en nanofotonisk prototypechip, der lader fotoner gøre det arbejde, som almindelige chips normalt overlader til elektroner. Og det er netop dét, der gør teknologien interessant.
For mens traditionelle chips udvikler varme, når strøm sendes gennem kredsløb, kan lys bevæge sig gennem materialer uden den samme elektriske modstand. Resultatet kan i teorien være markant lavere energiforbrug og mindre behov for tung køling. Det er ikke bare en lille teknisk finte. Det er et muligt svar på et af AI-branchens største problemer.
Ifølge forskerne kan chippen udføre beregninger på picosekund-niveau – altså i billiontedele af et sekund. Det sker ved, at lyset sendes gennem ekstremt små strukturer i chippen, som i sig selv er designet til at udføre de nødvendige maskinlæringsberegninger undervejs. Med andre ord: beregningen sker i selve lysets passage gennem chippen.
Efterligner hjernen
Forskerne har bygget arkitekturen op som et neuralt netværk, inspireret af den måde hjernen behandler information på. De små fysiske strukturer fungerer som kunstige neuroner og gør det muligt at genkende mønstre og klassificere data uden først at skulle igennem en traditionel elektronisk processor.
Professor Xiaoke Yi, som leder universitetets fotonikgruppe, siger, at projektet viser en helt ny måde at tænke computerhardware på.
“Vi har gentænkt, hvordan fotonik kan bruges til at designe nye, energieffektive og ultrahurtige chips til databehandling.”
Han peger samtidig på det centrale problem, teknologien forsøger at løse:
“Kunstig intelligens bliver i stigende grad begrænset af energiforbruget. Denne forskning udfører neurale beregninger med lys, hvilket muliggør hurtigere, mere energieffektive og ultrakompakte AI-acceleratorer.”
For at teste chippen lod forskerne den arbejde med mere end 10.000 biomedicinske billeder, herunder MR-scanninger af bryst, brystkasse og maveområde. Ifølge holdet ramte den en præcision på mellem 90 og 99 procent i både simulationer og laboratorieforsøg.
Det er med andre ord ikke bare en hurtig laboratoriedemo uden reel anvendelse. Forskerne forsøger allerede at vise, at teknologien kan bruges til konkrete AI-opgaver.
Mere end en smart ide
Det mest opsigtsvækkende er dog perspektivet: Hvis AI-modeller i fremtiden kan bygges direkte ind i fysiske fotoniske strukturer, kan det ændre, hvordan vi designer hardware til kunstig intelligens. I stedet for at lade alt køre som software oven på klassiske chips, kan dele af intelligensen flyttes ned i selve materialet.
Det vil især være interessant i en tid, hvor stadig flere virksomheder og regeringer investerer massivt i AI-infrastruktur. Hver ny serverhal kræver enorme mængder strøm, og køling er allerede blevet en lige så stor udfordring som regnekraften selv.
Derfor er vinklen her ikke bare, at forskere har lavet en hurtig chip. Den skarpe pointe er, at AI-industrien er desperat efter hardware, der ikke koger under pres. Og her kan lys vise sig at være langt mere end en smart idé.
Der er stadig et stykke vej fra prototype til masseproduktion. Forskerholdet vil nu skalere designet op, så det kan håndtere større og mere komplekse datasæt. Men hvis det lykkes, kan fotoniske chips blive et vigtigt supplement – og i nogle tilfælde måske et alternativ – til de klassiske processorer, der i dag driver AI-boomet.
Studiet er offentliggjort i Nature Communications.
