Искусственная нейронная сеть использует соединенные в сеть узлы для обработки информации более или менее так же, как это происходит в человеческом мозге. Использование ее для выполнения сложных задач, например, распознавания голоса, требует обучения алгоритмов категоризации входящей информации, пишет Phys.org.

Хотя первые оптические нейронные сети уже появились, их обучение выполнялось при помощи модели на традиционном цифровом компьютере, а на оптический микрочип переносили лишь результат.

Стэнфордские ученые описали в статье журнала Optica метод тренировки сетей сразу на оптическом устройстве, посредством оптического аналога алгоритма «обратного распространения», типичного для обучения нейронных сетей.

Использование физического устройства вместо компьютерной модели делает процесс более точным, объясняют исследователи. Кроме того, поскольку этап обучения весьма энергозатратный, его выполнение на оптическом чипе — это прямой путь к улучшению эффективности, скорости и экономичности искусственных нейросетей.

В данной работе ученым удалось преодолеть проблемы создания оптической нейросети путем создания оптического чипа, который имитирует работу традиционных компьютеров, обучающих ИИ.

Нейросеть может быть представлена в виде черного ящика с рядом ручек управления. Во время обучения система чуть-чуть поворачивает эти ручки, чтобы понять, в каких случаях производительность становится выше. «Наш метод не только помогает предсказать, в каком направлении вращать ручку, но также насколько ее повернуть, чтобы приблизиться к желаемому результату, — говорит Тайлер Хьюес, первый автор статьи. — Он значительно ускоряет обучение, особенно для крупных нейросетей, поскольку мы одновременно получаем информацию о каждой ручке».

Развитие технологий ИИ, в частности — распознавания лиц, не обязательно безусловное благо для людей. Так считает Microsoft, призвавшая недавно ограничить применение этих инструментов. Только путем введения четких рамок можно предотвратить создание антиутопии.