Yapay zekanın (YZ) sağlık, sanayi ve eğitim alanlarında önemli değişikliklere yol açtığı ve daha da fazlasına gebe olduğu herkesin ortak fikri. Ancak YZ’nin başarımını borçlu olduğu çok önemli bir dezavantajı bulunuyor: YZ’nin eğitimi için gereken çok büyük enerji tüketimi. Söz konusu enerji tüketimi müktarları kontrol altına alınmazsa, getirilerden fazla maliyete neden olabileceği için YZ çalışmalarının sürdürülebilirliği, küresel ısınma ve iklim değişikliği gibi kavramlarla birlikte araştırmacıların en çok dikkat ettiği hususların başında geliyor. YZ’nin büyük miktarlarda enerji tüketimi sorununa bir çözüm olarak, biyolojik sinir ağlarının yapısını taklit eden fiziksel sistemler öneriliyor, ancak bu sistemler sinir ağlarının eğitimi için gerekli olan adımlardan birini gerçekleştiremiyor.
Ağustos 2024’te Nature dergisinde yayımlanan bir çalışmada optik sinir ağlarına yönelik yenilikçi bir yaklaşım öne sürülüyor. Bu yaklaşımda, ışığın bir optik sistemde iki yönde de aynı kolaylıkla ilerleyebileceği ilkesine (uzamsal bakışımlılık ve Lorentz karşılıklılığı) dayanılarak, eğitimin önemli bir adımı olan geriye yayılım (backpropagation) sürecini fiziksel olarak benzetim yapmanın olanaklı hale geldiği bildiriliyor. Bu yöntem, optik sistemlerde makine öğrenme algoritmalarının daha verimli bir şekilde uygulanmasını sağlıyor ve bu alanda önemli uygulama potansiyeli taşıyor. Bununla birlikte, bu teknolojinin ölçeklendirilmesi ve elektronik sistemlerle bütünleştirilmesi gibi zorlukların ise halen aşılması gereken sorunlar arasında olduğu belirtiliyor. Son olarak, makale yazarları, fiziksel sinir ağlarının gelecekte enerjiyi çok daha verimli kullanıp, hızlı hesaplama yetenekleri sunarak çeşitli endüstrilerde devrim yaratma potansiyeline sahip olduğunu da rapor ediyor.
Referans
Xue, Z., Zhou, T., Xu, Z. et al. Fully forward mode training for optical neural networks. Nature 632, 280–286 (2024).
Bir yanıt yazın