Işıkla çalışan bilgisayarlar yapay zekânın güç sıkıntısını çözebilir mi?
Işıkla çalışan bilgisayarlar, yapay zekânın süratle büyüyen güç gereksinimine tahlil olabilir mi? Penn State University araştırmacıları bu soruya cevap arayan dikkat cazibeli bir prototip geliştirdi. Grup, optik bilişimin yapay zekâ sistemlerinde güç tüketimini nasıl düşürebileceğini ortaya koyan çalışmasını Science Advances mecmuasında yayımladı. Çalışmanın muharrirlerinden mühendislik profesörü Xingjie Ni, bunun yapay zekâ dalına yönelik güçlü bir kavram ispatı olduğunu belirtiyor.
Yapay zekâyı çalıştırmanın bedeli
Yapay zekâ hem iş dünyasında hem de günlük ömürde süratle yaygınlaşıyor. Lakin bu yükselişin önemli bir güç maliyeti var. ChatGPT üzere sistemleri çalıştırmak için büyük ölçekte süreç gücü gerekiyor ve bu da bilgi merkezlerinin elektrik tüketimini artırıyor. Milletlerarası Güç Ajansı’na nazaran bilgi merkezleri 2024’te global güç tüketiminin yaklaşık yüzde 1,5’ini oluşturdu. Son beş yılda tüketim her yıl ortalama yüzde 12 arttı ve 2030’a kadar iki katına çıkabileceği kestirim ediliyor. Artan elektrik talebi, lokal şebekeler üzerinde baskı oluşturabiliyor ve maliyetlere direkt yansıyabiliyor. Bu nedenle yapay zekânın güç gereksinimini azaltabilecek alternatif hesaplama usulleri giderek daha fazla değer kazanıyor.
Işık suratında hesaplama
Optik bilgisayarlar, hesaplama için elektrik yerine ışık kullanıyor. Kavram olarak 1960’lara uzanan bu yaklaşımın kökeni daha eski optik bilgi sürece çalışmalarına dayanıyor. Gerçek manada optik bilgisayarlar hâlâ araştırma laboratuvarlarında geliştiriliyor. Buna karşılık ışık darbeleriyle bilgi iletimi sağlayan optik data transferi, bugün birtakım büyük bilgi merkezlerinde ve yerden uçağa irtibat sistemlerinde kullanılıyor.
Yapay zekâ alanında ise optik bilişim şimdi gelişmekte olan bir araştırma alanı. En büyük teknik zorluk, yapay hudut ağlarının gereksinim duyduğu doğrusal olmayan işlevleri üretmek. Işık doğal olarak düz bir çizgide ilerliyor. Halbuki data işleyebilen sistemler doğrusal olmayan giriş-çıkış münasebetleri gerektiriyor. Bu özellik birçok vakit yüksek güçlü lazerler yahut üretimi sıkıntı özel gereçlerle sağlanabiliyor. Ni’ye nazaran bu durum karmaşıklığı artırırken güç verimliliği avantajını zayıflatabiliyor. Takım, geliştirdikleri usulün bu ihtiyaçları ortadan kaldırırken dijital ağlarla benzeri performans sunduğunu belirtiyor.
“Sonsuz ayna” ile doğrusal olmayan hesaplama
Penn State araştırmacılarının tahlili “sonsuz ayna” ismi verilen bir düzenek. Prototipte küçük optik elemanlar bir döngü içinde konumlandırılıyor ve datalar direkt ışık hüzmelerine kodlanıyor. Işık sistem içinde tekrar tekrar dolaşırken vakitle doğrusal olmayan bir ilgi oluşuyor. Ortaya çıkan ışık desenleri mikroskobik bir kamera ile yakalanıyor. Ni, düzgün tasarlanmış bir optik yapının güçlü doğrusal olmayan gereçler yahut yüksek güçlü lazerler olmadan da yapay zekânın muhtaçlık duyduğu davranışı üretebileceğini söylüyor. Bu yaklaşım donanımın kolay, süratli ve düşük güç tüketimli kalmasını sağlıyor.
Laboratuvardan data merkezine uzanan yol
Optik bilgisayarların yapay zekâ sistemlerinde yaygın kullanımına şimdi birkaç yıl var. Ni, sanayiye yönelik bir prototip ve birinci gösterimler için iki ila beş yıllık bir takvim öngörüyor. Yatırım ölçüsü ve maksat uygulama alanı bu müddette belirleyici olacak.
Konu bilişim dünyasında yakından izleniyor. Microsoft Research bünyesinde misyon yapan Francesca Parmigiani, optik çiplerin gelecekte klasik GPU’larla birlikte çalışabileceğini belirtiyor. Ona nazaran optik bilişim, çok daha fazla süreci paralel biçimde ve daha yüksek süratlerde gerçekleştirme potansiyeline sahip. Bu durum güç verimliliğinde kıymetli artışlar ve gecikme müddetlerinde düşüş sağlayabilir.
Kısa vadede klâsik elektronik sistemlerin büsbütün yerini alması beklenmüyor. Fakat hibrit bir modelde, genel maksatlı süreçleri ve belleği elektronikler yönetirken; vakit ve güç maliyeti yüksek muhakkak hesaplamalar optik bileşenlerle hızlandırılabilir. Bu senaryo, yapay zekânın artan güç talebine karşı güçlü bir alternatif sunabilir.
Haber görseli: Jeff Xu / Penn State
Chip Alıntıdır…
