MIT主導のチームによる画期的な開発は、機械学習プログラムに革命をもたらし、ChatGPTのような現在の言語モデルよりも数桁強力になる可能性があります。チームのシステムは、従来のエレクトロニクスでは無く、光ベースの計算を使用して機能し、その結果としてエネルギー効率と計算密度が大幅に向上しました。
Nature Photonicsの出版物の中で、研究者らはこの新しいシステムの初めての実験的デモンストレーションを報告しました。彼らの理論では、電子に依存する代わりに、数百ミクロンという規模のレーザーを使用して光の動きを利用します。この画期的なアプローチにより、機械学習に使用される最先端のデジタルコンピューターと比較して、エネルギー効率が100倍以上向上し、計算密度も25倍向上するという顕著な改善がもたらされます。
このシステムの進歩の可能性は驚異的であり、チームは「将来的にはさらに数桁の改善が見込まれる」と予測しています。この画期的な進歩により、データセンターからスマートフォン等の小型の分散型エッジデバイスに至るまで、様々なデバイスにわたり機械学習タスクを高速化出来る大規模光電子プロセッサへの道が開かれる可能性があります。
より強力なChatGPTを目指して
ChatGPT等の機械学習モデルは、現在のスーパーコンピューターの制約により、サイズの制限に直面しています。大規模なモデルをトレーニングすることは、経済的に不可能になります。しかし、新しく開発されたテクノロジーは大幅な進歩をもたらす可能性があり、これまで手の届かなかった機械学習モデルの探求が可能になります。
100倍強力な機械学習モデルにより、次世代ChatGPTの能力は、心躍るような可能性を秘めた領域に及ぶことになります。研究者らは、これまで想像出来なかった発見や革新を解き放つことが出来るようになります。
この成果は、MIT主導のチームによる一連の注目すべき成果の中でも最新のものになります。2019年の理論的研究に基づいて、彼らは現在、光ベースのシステムの最初の実験的デモンストレーションを実現しています。この進歩には、様々な機関の専門家の協力と貢献が重要な役割を果たしました。
光をベースにした計算処理の利点
DNN計算に電子の代わりに光を使用するということには、現在のボトルネックを克服出来る計り知れない可能性が秘められています。光学ベースの計算には、電子ベースのシステムと比較して消費エネルギーが大幅に少ないという利点があります。さらに、光学系により帯域幅が大幅に拡大されるため、より多くの情報をより狭い領域で転送出来るようになります。
機械学習の明るい未来
実用的で大規模な、コスト効率の高いデバイスを実現するにはまだ進歩が必要ですが、研究者らは変調VCSELに基づくシステムの可能性について楽観的な見方を示しています。MIT主導のチームによって開発されたような光ニューラルネットワークの効率と速度は、ChatGPTのような人気のある言語モデルで使用される大規模AIシステムを大幅に加速する可能性があります。
機械学習の世界における光ベースのコンピューティングの統合には、有望な未来を感じます。このテクノロジーが進歩し続けるにつれて、AIシステムの機能に革命をもたらし、発見とイノベーションの新たなフロンティアを切り開く可能性があります。テクノロジー好きとして、今後数年の間にどんなことが起きるのか楽しみです。
この記事は、編集部が日本向けに翻訳・編集したものです。
原文はこちら
