Achter elke afbeelding die wordt gegenereerd door kunstmatige intelligentie verbergt een enorme energiekosten. Modellen zoals die van Openai kunnen bijvoorbeeld honderden of duizenden joules consumeren voor elk individueel beeld. Pas in een week produceerde de Openii Images Generator 700 miljoen afbeeldingen, met een aanzienlijke omgevingsafdruk in termen van energieverbruik en water.
Maar nu heeft een team van onderzoekers van de Universiteit van Californië, Los Angeles (UCLA) een radicaal ander systeem ontwikkeld. Geplaatst op Natuurdeze nieuwe aanpak genereert afbeeldingen met behulp van laserbundels en optische modulatoren, waardoor het energieverbruik wordt afgebroken tot enkele millijoule per afbeelding – miljoenen keren minder dan traditionele digitale systemen.
Hoe kunstmatige intelligentie gebaseerd op licht werkt
De conventionele methode voor het genereren van afbeeldingen is gebaseerd op een proces dat diffusie wordt genoemd, dat begint bij een willekeurig beeld en, door honderden of duizenden passages, de ruis geleidelijk vermindert om het eindresultaat te verkrijgen. Deze techniek, hoewel effectief, is extreem energiek.
Integendeel, het UCLA -systeem genereert een afbeelding in een enkele optische stap, zonder aanvragen van extra digitale berekening na de initiële coderingsfase. In de praktijk creëert een digitale encoder, getraind op een standaarddataset, een faseschema – een soort wiskundige blauwdruk – die wordt geprojecteerd op een ruimtelijke lichtmodulator, een vloeibare kristalapparaat.
Wanneer een laserlichtstraal deze modulator kruist, wordt het patroon overgedragen naar een tweede component, diffractieve decoder genoemd. In dit stadium krijgt de afbeelding direct vorm op een sensor, zonder de noodzaak van GPU’s of complexe digitale berekeningen.
Test op portretten, vlinders en van Gogh
Het team test dit model op onderwerpen zoals menselijke gezichten, met de hand geschreven figuren, vlinders en werkt in de stijl van Van Gogh. Hoewel ze geen absolute perfectie bereikten, waren de resulterende beelden statistisch vergelijkbaar met die gegenereerd door digitale modellen op basis van diffusie.
Onder de geteste methoden behaalde de fasecodering de hoogste score in termen van kwaliteit en verscheidenheid aan afbeeldingen. In het bijzonder heeft het visueel superieure resultaten opgeleverd voor complexe scènes, zoals schilderijen met een uitgebreide artistieke stijl.
Volgens Shiqi Chen, de eerste auteur van de studie, “kunnen onze optische generatieve modellen een onbeperkt aantal afbeeldingen samenvatten met een minimaal energieverbruik, dat een schaalbaar en duurzaam alternatief biedt voor digitale kunstmatige intelligentie”.
Naast het energieaspect opent technologie nieuwe perspectieven ook in termen van veiligheid en privacy. Elk gegenereerd beeld heeft een uniek optisch patroon dat alleen door een compatibel oppervlak kan worden gedecodeerd, waardoor een soort fysiek sleutelmechanisme en vergrendeling ontstaat. Deze aanpak kan nuttig zijn voor toepassingen zoals veilige communicatie of anti -controle.
Het systeem bestaat in twee varianten: de Snapshot -versie, die de afbeelding in een enkele optische stap genereert, en de iteratieve versie, die de diffusiemodellen beter repliceert en de afbeeldingen doorgaande lichtimpulsen verfijnt.
In perspectief kan deze technologie worden geminiaturiseerd in geïntegreerde fotonische chips, ter vervanging van omvangrijke laser door nanofabische oppervlakken. Dit zou integratie mogelijk maken in apparaten zoals AR/VR -glazen of medische diagnostische hulpmiddelen.
De interesse in oplossingen voor de meest duurzame groeit parallel met de verspreiding van generatieve modellen. Een studie uit 2023 heeft geschat dat de training van de geweldige modellen net zoveel kan uitzenden met de duizenden transcontinentale vluchten. In deze context wordt de optische generatie van afbeeldingen voorgesteld als een concrete oplossing om de milieu -impact van kunstmatige intelligentie te bevatten.
Zoals Aydogan Ozcan zei senior auteur van de studie:
Ons werk laat zien dat het perspectief kan worden gebruikt voor generatieve generatieve taken op grote schaal.
Hoewel technologie nog jong is en niet zonder grenzen – zoals de afstemming van de componenten of de resolutie van de modulatoren – is het potentieel enorm.
Kortom, kunstmatige intelligentie zou snel kunnen stoppen met het consumeren van energie bij niet -duurzame ritmes en beginnen te “schilderen” met alleen het licht.
Wil je ons nieuws niet verliezen?
U kunt ook geïnteresseerd zijn in:
