Anche i computer più potenti non possono ancora competere con il cervello umano quando si tratta di riconoscimento di schemi, gestione del rischio, e altri compiti altrettanto complessi. Recenti progressi nelle reti neurali ottiche, però, stanno colmando questa lacuna simulando il modo in cui i neuroni rispondono nel cervello umano.

In un passo fondamentale verso la realizzazione pratica delle reti neurali ottiche su larga scala, i ricercatori hanno dimostrato una rete neurale artificiale completamente ottica multistrato, la prima nel suo genere. In genere, questo tipo di intelligenza artificiale può affrontare problemi complessi impossibili con i tradizionali approcci computazionali, ma i progetti attuali richiedono ampie risorse computazionali che richiedono sia tempo che energia. Per questa ragione, c'è grande interesse nello sviluppo di reti neurali artificiali ottiche pratiche, che sono più veloci e consumano meno energia rispetto a quelli basati sui computer tradizionali.

In ottica , La rivista della Optical Society per la ricerca ad alto impatto, ricercatori della Hong Kong University of Science and Technology, Hong Kong dettaglia la loro rete neurale completamente ottica a due strati e la applica con successo a un compito di classificazione complesso.

"Il nostro schema completamente ottico potrebbe consentire una rete neurale che esegua calcoli ottici paralleli alla velocità della luce consumando poca energia, " ha detto Junwei Liu, un membro del gruppo di ricerca. "Grande scala, le reti neurali completamente ottiche potrebbero essere utilizzate per applicazioni che vanno dal riconoscimento delle immagini alla ricerca scientifica".

Costruire una rete completamente ottica

Nelle reti neurali ottiche ibride convenzionali, i componenti ottici sono in genere utilizzati per operazioni lineari mentre le funzioni di attivazione non lineare, le funzioni che simulano il modo in cui i neuroni nel cervello umano rispondono, sono generalmente implementate elettronicamente perché l'ottica non lineare richiede tipicamente laser ad alta potenza che sono difficili da implementare in una rete neurale ottica.

Per vincere questa sfida, i ricercatori hanno utilizzato atomi freddi con trasparenza indotta elettromagneticamente per eseguire funzioni non lineari. "Questo effetto indotto dalla luce può essere ottenuto con una potenza laser molto debole, " ha detto Shengwang Du, un membro del gruppo di ricerca. "Poiché questo effetto si basa sull'interferenza quantistica non lineare, potrebbe essere possibile estendere il nostro sistema in una rete neurale quantistica che potrebbe risolvere problemi intrattabili con i metodi classici".

Per confermare la capacità e la fattibilità del nuovo approccio, i ricercatori hanno costruito una rete neurale ottica a due strati completamente connessa con 16 ingressi e due uscite. I ricercatori hanno usato la loro rete completamente ottica per classificare le fasi di ordine e disordine del modello di Ising, un modello statistico del magnetismo. I risultati hanno mostrato che la rete neurale completamente ottica era accurata quanto una rete neurale basata su computer ben addestrata.

Reti neurali ottiche su scala più ampia

I ricercatori intendono espandere l'approccio completamente ottico alle reti neurali profonde completamente ottiche su larga scala con architetture complesse progettate per applicazioni pratiche specifiche come il riconoscimento delle immagini. Ciò contribuirà a dimostrare che lo schema funziona su scala più ampia.

"Sebbene il nostro lavoro sia una dimostrazione di principio, mostra che potrebbe diventare possibile in futuro sviluppare versioni ottiche dell'intelligenza artificiale, " ha affermato Du. "La prossima generazione di hardware di intelligenza artificiale sarà intrinsecamente molto più veloce e mostrerà un consumo energetico inferiore rispetto all'odierna intelligenza artificiale basata su computer, " ha aggiunto Liu.