Los convolutional neural networks (CNN) son los motores detrás de muchos de los grandes éxitos de la inteligencia artificial, como el reconocimiento de rostros en fotos, la lectura de escritura a mano o la traducción de idiomas. Son maestros en el reconocimiento de patrones, escaneando datos en bruto con pequeños filtros llamados kernels para extraer características significativas, como una lupa digital que resalta lo importante.
Pero este inteligente filtrado tiene un costo elevado. La mayoría de la energía que consumen las CNN se destina a estas complejas operaciones, que son como correr un maratón a través de cada píxel de una imagen. Es poderoso, pero no precisamente eficiente.
El problema energético de la IA
A medida que los sistemas de IA crecen y se vuelven más hambrientos de recursos, este método de fuerza bruta está comenzando a tensionar el sistema. Los centros de datos están sintiendo literalmente el calor, con demandas energéticas en aumento que generan preocupaciones sobre una «recesión de IA», donde el costo de mantenerse al día podría frenar la innovación.
La solución fotónica revolucionaria
Para abordar las crecientes demandas energéticas de la IA, investigadores de la Universidad de Florida han construido algo deslumbrante. Su nuevo chip, llamado correlador de transformada conjunta fotónica (pJTC), intercambia electricidad por luz para manejar una de las tareas más hambrientas de energía de la IA.
Lo que lo hace especial es cómo reescribe las reglas de velocidad y eficiencia. En lugar de avanzar lentamente con tecnología tradicional como cristales líquidos o microespejos, el pJTC programa datos y filtros a velocidades vertiginosas de GHz. El chip reutiliza inteligentemente componentes fotónicos confiables de transceptores ópticos, agregando un giro fresco: adiciones de lentes de Fresnel basados en fotónica de silicio integrados en el chip que realizan matemáticas complejas basadas en luz directamente en el chip.
La magia del láser integrado
Y luego está la magia del láser. Con láseres integrados en el chip, el pJTC puede hacer malabares con múltiples cálculos a la vez usando diferentes colores de luz, una técnica llamada multiplexación espectral. Gracias al photonic wire bonding, también es compacto y elegante.
En las pruebas, el chip prototipo identificó correctamente dígitos escritos a mano con 98% de precisión, rivalizando con los procesadores electrónicos tradicionales.
Cómo funciona la tecnología
En lugar de procesar números de la manera usual, el chip transforma los datos de machine learning en luz láser. Esta luz luego viaja a través de pequeñas lentes de Fresnel grabadas en el chip, que la doblan y moldean para realizar matemáticas complejas, como una calculadora alimentada por luz. Una vez completadas las matemáticas, la luz se convierte nuevamente en una señal digital, y listo, la tarea de IA está completa.
Hangbo Yang, profesor asociado de investigación en el grupo de Sorger en la Universidad de Florida y coautor del estudio, enfatizó el avance señalando que: «Esta es la primera vez que alguien ha puesto este tipo de computación óptica en un chip y la ha aplicado a una red neuronal de IA. Podemos tener múltiples longitudes de onda, o colores, de luz pasando a través de la lente al mismo tiempo. Esa es una ventaja clave de la fotónica».
Rendimiento sin precedentes
Al usar múltiples longitudes de onda de luz a la vez, esta arquitectura fotónica puede procesar datos con increíble eficiencia, alcanzando niveles de rendimiento que dejan a los chips tradicionales en el polvo: hasta 305 billones de operaciones por segundo por vatio, y 40.2 billones por milímetro cuadrado.
¿Qué significa esto en el mundo real?
Significa que este chip diminuto y energéticamente inteligente podría potenciar la IA en todos los ámbitos, desde dispositivos edge ágiles y sistemas de computación de alto rendimiento hasta servicios de nube extensos. Su capacidad para realizar convoluciones con mucho menos resistencia computacional abre la puerta a una IA más rápida e inteligente en todo, desde autos autónomos hasta escaneos médicos.
Impacto futuro y colaboración
La investigación, publicada en Advanced Photonics, se realizó en colaboración con el Florida Semiconductor Institute, UCLA y la George Washington University. El líder del estudio, Volker J. Sorger, de la Universidad de Florida, señaló que fabricantes de chips como NVIDIA ya usan elementos ópticos en algunas partes de sus sistemas de IA, lo que podría facilitar la integración de esta nueva tecnología.
«En un futuro cercano, la óptica basada en chips se convertirá en una parte clave de cada chip de IA que usemos diariamente», sugirió Sorger. «Y la computación óptica de IA es lo que sigue».
Esta innovación promete transformar radicalmente el panorama de la computación de IA, ofreciendo una alternativa energéticamente eficiente que podría ser crucial para el desarrollo sostenible de la inteligencia artificial en el futuro.
 son los motores detrás de muchos de los grandes éxitos de la inteligencia artificial, como el reconocimiento de rostros en fotos, la lectura de escritura a mano o la traducción de idiomas. Son maestros en el reconocimiento de patrones, escaneando datos en bruto con pequeños filtros llamados kernels para extraer características significativas, como una lupa digital que resalta lo importante.){kind=link}