Yapay zeka bir milyar kat daha hızlanacak!

ANKARA-BHA Hong Kong Çin Üniversitesi’nden araştırma ekibinin lideri

ANKARA-BHA

Hong Kong Çin Üniversitesi’nden araştırma ekibinin lideri Chaoran Huang, “Lazer nöronumuz, mevcut fotonik nöronların hız sınırlamalarını aşarak daha da hızlı çalışabilme potansiyeline sahip” dedi.

Bu teknolojiyle yapay zekâ karar alma süreçlerinin hem daha hızlı hem de daha verimli hale gelmesi hedefleniyor.

Biyolojik ve yapay nöronlar arasındaki fark

Biyolojik nöronlar, graded (dereceli) ve spiking (dalgasal) olmak üzere iki temel tipe ayrılır. Dereceli nöronlar, sinyalleri hassas ve sürekli değişen bir şekilde işlerken, dalgasal nöronlar sinyalleri ya tamamen iletir ya da iletmez. Yeni geliştirilen lazer tabanlı nöron, graded nöronların işleyişini simüle ederek üstün hız ve doğruluk sağlıyor.

Milyonlarca işlem bir saniyede

Çip tabanlı kuantum lazer teknolojisiyle geliştirilen lazer nöron, saniyede 10 gigabit hızında sinyal işleme kapasitesine ulaşıyor.

Bu sayede, 100 milyon kalp atışını veya 34,7 milyon dijital el yazısı görselini yalnızca bir saniyede işleyebiliyor.

Araştırmacılar, bu hızın yapay zekâ uygulamalarında daha etkin bir kullanım sağlayacağını belirtiyor.

Yapay zeka uygulamalarında kullanım

Lazer tabanlı nöronlar, enerji tüketimini düşürerek hızlı ve etkili bilgi işlem imkânı sunuyor. Araştırma ekibi, geliştirdikleri lazer nöronlarla bir rezervuar bilgi işlem sistemi oluşturdu.

Bu sistem, kalp ritmi bozukluklarını yüzde 98,4 doğruluk oranıyla tespit ederken, yüksek hızlı veri işleme yeteneğiyle görüntü sınıflandırma gibi görevlerde de üstün başarı sağladı.

Chaoran Huang, “Tek bir lazer tabanlı nöron, küçük bir sinir ağı gibi davranabilir. Birden fazla lazer nöronu bir araya getirerek, biyolojik beynin milyarlarca nöronla oluşturduğu ağın benzerini yapay zekâ alanında gerçekleştirebiliriz” ifadelerini kullandı.

Araştırmacılar, lazer tabanlı nöronların hızını daha da artırmayı ve birden fazla lazer nöronunu birleştirerek derin rezervuar bilgi işlem mimarileri geliştirmeyi hedefliyor.

Bu teknolojinin, özellikle gerçek zamanlı karar alma ve enerji verimliliği gerektiren yapay zeka uygulamalarında çığır açması bekleniyor.