رایانه نوری آنالوگ AOC مایکروسافت با بهره‌گیری از پرتوهای نور به جای الکترون‌ها می‌تواند وظایف هوش مصنوعی و بهینه‌سازی را تا ۱۰۰ برابر سریع‌تر و کم‌مصرف‌تر از تراشه‌های امروزی اجرا کند.
به گزارش تکناک، این دستگاه برای حل مسائل پیچیده بهینه‌سازی طراحی شده است و در آینده می‌تواند بارهای پردازشی مرتبط با هوش مصنوعی را با سرعت و بهره‌وری بسیار بالاتری نسبت به پردازنده‌های امروزی مدیریت کند.
برخلاف رایانه‌های دیجیتال که داده‌ها را در قالب دودویی پردازش می‌کنند، AOC محاسبات را درون یک سیستم فیزیکی پیاده‌سازی می‌کند. این رویکرد باعث حذف گلوگاه‌هایی می‌شود که تراشه‌های سنتی را کُند می‌کنند و می‌تواند عملکرد سیستم را در برخی وظایف تا ۱۰۰ برابر سریع‌تر و کم‌مصرف‌تر سازد.
نمونه اولیه با استفاده از قطعات تجاری موجود ساخته شده است، که شامل چراغ‌های میکرو LED، عدسی‌های نوری و حسگرهایی از دوربین‌های گوشی‌های هوشمند می‌شوند. این موضوع هزینه ساخت را کاهش می‌دهد و امکان تولید انبوه در آینده را فراهم می‌کند. علاوه بر این، تیم پژوهشی، نسخه‌ای نرم‌افزاری از AOC موسوم به «دوقلوی دیجیتال» توسعه داده است، که رفتار سخت‌افزار را شبیه‌سازی می‌کند. این مدل به پژوهشگران اجازه می‌دهد که آزمایش‌ها را در مقیاس بزرگ‌تری انجام دهند و نتایج را با دیگر همکاران به اشتراک بگذارند.
فرانچسکا پارمیجیانی، سرپرست پروژه در Microsoft Research Cambridge گفت: «برای رسیدن به موفقیتی که در ذهن داریم، نیاز داریم که سایر پژوهشگران نیز این سخت‌افزار را مورد آزمایش قرار دهند و به کاربری‌های جدید آن فکر کنند.»
فهرست مطالب
کاربردهای واقعی رایانه نوری مایکروسافت
یکی از نخستین آزمایش‌ها با همکاری بانک Barclays انجام شد. در این پروژه بررسی شد که چگونه AOC می‌تواند فرایند تحویل پرداخت در معاملات اوراق بهادار را بهینه کند؛ فرایندی که توسط اتاق‌های پایاپای برای تسویه بین بانک‌ها استفاده می‌شود. این سیستم آزمایشی توانست هزاران تراکنش میان ۱۸۰۰ طرف مختلف را مدیریت کند.
حوزه سلامت نیز شاهد نمونه‌ای امیدوارکننده بود. پژوهشگران با استفاده از دوقلوی دیجیتال AOC توانستند بازسازی اسکن‌های MRI را با دقتی نویدبخش انجام دهند. در حالی که یک اسکن MRI معمولاً حدود ۳۰ دقیقه زمان می‌برد، این سیستم نوری می‌تواند این زمان را به حدود ۵ دقیقه کاهش دهد. هرچند این فناوری هنوز آماده استفاده بالینی نیست، اما می‌تواند در آینده، زمان انتظار بیماران را کوتاه کند و دسترسی به تشخیص‌های پزشکی را بهبود دهد.
مایکل هانسن، مدیر ارشد در Microsoft Health Futures تأکید کرده است که دوقلوی دیجیتال در نشان دادن قابلیت بازسازی MRI در مقیاس بزرگ، نقشی حیاتی داشته است.
آینده هوش مصنوعی با نور
همچنین تیم کمبریج، کاربردهای این رایانه نوری مایکروسافت را در پردازش هوش مصنوعی چشمگیر می‌داند. مدل‌های زبانی بزرگ امروزی، انرژی عظیمی برای پردازش میلیاردها پارامتر مصرف می‌کنند؛ اما رویکرد نوری می‌تواند وظایفی مانند «ردیابی وضعیت» را بسیار بهینه‌تر اجرا کند.
یانس گلدرو، پژوهشگر مایکروسافت عنوان کرد: «مهم‌ترین ویژگی AOC این است که ما حدود صد برابر بهبود در بهره‌وری انرژی برآورد می‌کنیم.»
نمونه کنونی تنها ۲۵۶ پارامتر را مدیریت می‌کند، اما پژوهشگران باور دارند که با کوچک‌سازی اجزای میکرو LED، این مقیاس به میلیون‌ها یا حتی میلیاردها پارامتر افزایش خواهد یافت.
هیتش بالانی، مدیر تحقیقات زیرساخت آینده هوش مصنوعی در مایکروسافت، چشم‌انداز نهایی را چنین بیان کرد: «هدف ما این است که این فناوری بخشی اساسی از آینده محاسبات شود و مایکروسافت همراه با صنعت، این تحول مبتنی بر محاسبات را به شکلی پایدار ادامه دهد.»
