Dentro un piccolo laboratorio nel distretto portuale di Boston, seppellito da un mucchio di laser, lenti, specchi, e tanti fili annodati, vi è un piccolo chip che potrebbe avere un grosso impatto sul mondo dell’intelligenza artificiale.

Il laboratorio appartiene a Lightelligence, una startup che sta sviluppando un nuovo tipo di acceleratore hardware per IA.
Anziché usare elettroni per trasferire il nucleo delle computazioni matematiche necessarie al machine learning, il prototipo della compagnia usa luce.

In teoria, trasferire informazioni alla velocità della luce significa avere un dispositivo che faccia lavorare gli algoritmi IA ad una velocità centinaia di volte superiore ai migliori chip odierni. Dato che la potenza bruta fa la differenza nel campo del machine learning, questo significa avere algoritmi molto capabili e più potenti. In pratica, la velocità del chip ottico dipenderà solamente da quanto velocemente interagisce con componenti convenzionali, come la memoria di un computer. Lightelligence ha bisogno di scrivere algoritmi che possano tirare fuori il meglio di questo setup.

lightelligence optical computing
Arash Hosseinzadeh di Lightelligence lavora in un banco ottico nel laboratorio dell’azienda.

Il deep learning

Il deep learning, un approccio del machine-learning ispirato alle reti neurali del cervello, ha preso d’assalto l’industria tecnologica. Ha provato la sua potenza per cose come etichettare immagini e tradurre testi, e le compagnie stanno gareggiando per impiegare questo approccio in modi sempre più utili.

L’ascesa del deep learning ha già innescato un boom dell’attività commerciale attorno a nuovi progetti di chip ottimizzati per i calcoli matematici. Ora sembra che ispiri approcci fondamentalmente diversi al computing.

La luce offre vantaggi chiave per l’intelligenza artificiale, ha spiegato Yichen Shen, CEO di Lightelligence. I fotoni sono più veloci degli elettroni e il loro movimento attraverso i circuiti di un chip non li surriscalda. Ma anche il computing con la luce è molto impegnativo. I precedenti tentativi di costruire chip ottici per computer sono falliti perché è difficile emulare un transistor otticamente e perché la luce si comporta in modo meno prevedibile.

Ma l’equazione sta cambiando nell’era del deep learning, afferma Shen. I chip ottici sono adatti per l’esecuzione di moltiplicazioni di matrici, calcoli che sono fondamentali per l’apprendimento profondo. Anche le reti neurali sono intrinsecamente non lineari, e sono computazioni in cui i dispositivi ottici eccellono.
Shen spiega che lui e i suoi colleghi di Lightelligence hanno recentemente inviato il loro primo progetto a un produttore e si aspettano di ricevere i primi chip in poche settimane. “Pensiamo che sia un’opportunità unica e interessante per testare questa idea”, dice.

optical computing chip ottici

Diversi approcci

I ricercatori stanno esplorando tutte le nuove opportunità nei materiali e nell’ottica. All’inizio di quest’anno, un team di ricercatori dell’UCLA ha sviluppato un nuovo dispositivo di deep-learning stampato in 3D con diversi polimeri refrattivi. I dettagli del dispositivo del team, soprannominato una rete neurale diffrattiva profonda (D2NN), sono stati pubblicati sulla rivista Science. “È l’aspetto non intuitivo dell’apprendimento profondo che ha cambiato il modo in cui guardiamo al design fisico e optoelettronico. Alcuni di essi stanno portando a nuovi modi di calcolare “, dice Aydogan Ozcan, professore alla UCLA che ha guidato il lavoro. “Alcuni di essi stanno portando alla progettazione di componenti, sistemi, che operano in modo diverso dai sistemi tradizionali”.
La commercializzazione della tecnologia potrebbe anche essere più pratica ora di quanto non fosse prima.

Dan Hutchinson, analista di VLSI Research, che tiene traccia di progetti di chip innovativi, afferma che l’interesse per i nuovi chip ottici sta crescendo grazie ai progressi nella progettazione e produzione di dispositivi utilizzati per il networking. Inoltre afferma che i chip ottici sono anche relativamente facili ed economici da realizzare, il che riduce la barriera all’ingresso per le startup. La Lightelligence dovrà comunque affrontare grandi sfide.

Zhangxi Tan, una veterana del settore dei chip e CEO di un’altra startup, la OURS Technology, afferma che anche se il chip funziona come promesso, potrebbe rivelarsi difficile da produrre su larga scala. Sarà una sfida mettere a punto e testare un design di chip completamente nuovo, specialmente quando non esistono strumenti di progettazione software validi per un dispositivo ottico di questo tipo. “La luce è molto elegante sulla carta, ma i circuiti elettronici circostanti – i driver laser, i circuiti dei ricevitori dei fotoni, i modulatori elettronici – sono molto brutti”, dice Tan.

Tuttavia, rapidi passi sono stati compiuti

Solo l’anno scorso, Shen era uno studente di dottorato che studia materiali fotonici nel laboratorio di Marin Soljacic al MIT. Insieme a Soljacic e molti altri studenti, ha pubblicato un articolo sulla rivista Nature Photonics che descrive un nuovo modo di eseguire i calcoli della rete neurale utilizzando l’interferenza ottica. L’idea di una società è nata ancor prima di essere pubblicata sulla rivista, grazie a una chiamata di un venture capitalist della West Coast. La società ha anche un fratello rivale. Lightelligence si è formata quando Shen e altri si sono ritirati da un’azienda chiamata Lightmatter. L’amministratore delegato di Lightmatter è uno dei coautori di Shen e questa società ha raccolto finanziamenti simili per il proprio chip ottico di deep learning. Forse una sana rivalità potrebbe aiutare a velocizzare lo sviluppo della tecnologia. Ci sono ostacoli significativi in ​​futuro, ma se una di queste aziende può superarle, potrebbe semplicemente accendere il mondo dell’IA.