光子学可以启用人工智能吗?

来源:geralt/pixabay

美国国家标准与技术研究院(NIST)的美国物理学家Jeffrey M. Shainline博士探索了受神经科学和人脑启发的光电子体系结构的应用，将其作为通向人工遗传学的潜在可能途径新的智能(AGI)
纸
出版于
应用物理字母
.

人工智能(AI)迅速发展
全球范围
从其休眠期主要是由于
深度学习
受人脑启发，计算能力增强，大数据训练集的可用性，GPU的并行处理能力以及基于云的计算等因素.

人工智能机器学习技术正在跨行业和目的(例如脑机接口，
精神健康
，天体物理学，电影分级，极端天气预报，合成生物学，基因组学，药物发现，抗微生物剂，生命科学，
神经科学
，金融服务，医院病人护理，生物技术，癌症诊断，助听器，电动汽车电池测试等.

根据2020年的数据，全球对人工智能的投资较上年增长了40％，达到679亿美元
人工智能指数2021年度报告
由斯坦福大学的以人为中心的人工智能研究所(HAI)编写，该研究所由埃里克·布林乔夫森(Erik Brynjolfsson)，丹尼尔·张(Daniel Zhang)，索拉布·米什拉(Saurabh Mishra)等人合着.

尽管在人工智能方面进行了全球投资，但如今的机器学习还是主要由脆弱的点解决方案，
范围狭窄
，并且占用大量资源.当前，人工智能不是处于可能的眼前.还是吗?

“要指导AGI的硬件设计，我们必须考虑来自神经科学的见识，涉及神经系统如何跨时空整合信息以完成认知." Shainline写道.

利用神经科学和人类的认知，Shainline在他的科学论文中提出，“人工神经硬件应设计和构造成在利用电子设备执行突触，树突和神经元功能时利用光子通信."

“通用情报涉及将许多信息源集成到一个连贯的，自适应的世界模型中，" Shainline写道. “要设计和构造用于通用智能的硬件，我们必须考虑神经科学和超大规模集成的原理.对于具有一般智能的大型神经系统，用于通信的光子学和用于计算的电子学的属性是互补和相互依存的.

Shainline的方法与现代的将光与基于硅的电子组件一起使用的方法背道而驰.相反，他主张将超导电子组件与光子学相集成，而不是半导体组件.特别是，Shainline提出在低温环境中将单光子检测器，硅光源和超导电子电路相结合，以实现经济可扩展性和效率.

在物理学中，超导是指某些材料的量子现象，其中电阻消失，并且在极低的温度下，随着材料排出磁通量场，其电导率几乎达到完美.

荷兰物理学家Heike Kamerlingh-Onnes在1911年发现，汞的电阻在比绝对零高几度的极低温度下消失了.后来，他于1913年被授予诺贝尔物理学奖，这是超导研究获得的五份诺贝尔奖之一.其他获得诺贝尔物理学奖的年份包括1972年(约翰·巴丁，莱昂·尼尔·库珀和约翰·罗伯特·施里弗)，1973年(里奥·埃萨基，伊瓦尔·贾维尔和布莱恩·戴维·约瑟夫森)，1987年(J.乔治·贝德诺兹和K亚历山大·穆勒(Alexander Mü ller)和2003年(亚历山大·阿布里科索夫(Alexei A. Abrikosov)，维塔莉·金兹堡(Vitaly L. Ginzburg)和安东尼·莱格特(Anthony J. Leggett)).

Shainline使用生物大脑作为类比. “在微观上，突触，树突和神经元是包含大脑灰质计算基础结构的专用处理器，" Shainline写道. “在中尺度上，由100个神经元组成的皮质小柱充当专门的处理器，而在宏观尺度上，大脑区域发挥着作用."

在研究中，Shainline设计了一种突触，该突触可检测单个近红外光子，并且不需要任何功率来保持突触状态，这是超导体的无耗散特性所实现的功能.

示意图由超导光电突触组成，该突触具有带约瑟夫森结的单光子检测器(SPD)和称为突触积分(SI)回路的磁通量存储回路.突触偏置电流能够动态调节突触权重.神经元细胞的体阈值并汇总来自突触的信号.当达到阈值时，发射器电路将光脉冲化以将光子传递到下游突触.另外，神经元阈值电流能够动态地改变神经元阈值.

我们在NIST的观点是，将光集成在联网的光电子突触神经元的体系结构中的电子计算元件之间进行通信的硬件，可能会在人脑规模上提供AGI的潜力，" Shainline写道.

随着物理学，光子学，神经科学，神经解剖学，电气工程和人工智能机器学习的跨学科整合，现在有一种基于超导电性的替代方法可以探索，以寻求将来实现人工智能的目标.

版权© 2021 Cami Rosso保留所有权利.