L’intelligenza artificiale ha un notevole impatto energetico e ambientale: la strada verso la sostenibilità, grazie al Cnr, è la fotonica
Oggi la strada più promettente per i futuri sistemi hardware è la fotonica: essa mira a sostituire i circuiti elettrici con tecnologie ottiche che elaborino l’informazione in parallelo, ad altissime frequenze, e con un consumo energetico minimo. Le reti di calcolo fotoniche necessitano tuttavia di elaborati sistemi di fabbricazione e controllo, che ne rendono difficile la realizzazione su larga scala; inoltre, il loro addestramento è dispendioso quanto quello dei processori elettronici.
È in questo contesto che il team di ricercatori coordinato da Claudio Conti del Dipartimento di Fisica della Sapienza Università di Roma, in collaborazione con l’Istituto dei sistemi complessi (Isc) del Cnr, con il Cref e l’Università di Ottawa, ha realizzato un dispositivo di calcolo innovativo che, per svolgere operazioni d’intelligenza artificiale, utilizza la fotonica in maniera completamente sostenibile.
Questo processore fotonico green, presentato sulla rivista Photonics Research, utilizza la propagazione ottica in aria come una rete virtuale in grado di svolgere operazioni complesse, come avviene per la lettura di caratteri scritti manualmente che necessita dell’elaborazione di decine di migliaia di calligrafie. L’intelligenza artificiale del dispositivo si basa sul paradigma delle extreme learning machine, ovvero macchine di apprendimento estremo, che imitano i sistemi di apprendimento cerebrali e sono semplici da addestrare. Utilizzando unicamente un fascio laser a bassissima potenza su cui vengono codificati i dati da elaborare, il dispositivo fotonico non richiede alcuna nanofabbricazione e svolge compiti di classificazione e riconoscimento con il minimo consumo energetico.
L’idea di partenza è stata che per realizzare un sistema fotonico in grado di apprendere non fosse necessario ingegnerizzare complesse componenti ottiche, ma che bastasse sfruttare quella complessità naturale che le onde del campo ottico hanno nel propagarsi.
“l nostri risultati dimostrano che reti ottiche fabbricate, o processi fisici e materiali complessi, non sono ingredienti necessari a eseguire un apprendimento automatico efficace su un setup ottico – dichiara Claudio Conti – e che tutti i fattori essenziali all’apprendimento possono essere inclusi nella propagazione ottica, attraverso metodi di codifica e decodifica”.
“Il nostro schema è particolarmente promettente per applicazioni nell’edge computing – continua Davide Pierangeli, ricercatore Cnr-Isc che ha implementato il dispositivo – campo di frontiera nello sviluppo di sensori intelligenti in grado di operare autonomamente in ambienti dinamici”.
Questo studio apre a interessanti applicazioni del prototipo che potrebbero riguardare, tra gli altri, i sistemi di guida autonoma e il riconoscimento video in tempo reale.
Vedi anche: