人工智能的最佳伙伴？用光做运算的芯片

　　虽然类神经网络可以达成很多任务，像是辨识人脸、预测心脏病等，但要吃掉很多电脑效能。MIT工程师近期发布论文研究使用光路来达成类神经网络，并同样建构在硅晶片上，因此成本不会太高，同时实验结果发现运算能力有效率许多。他们正在筹备公司并计划两年内完成相关产品。　　 

　　近年来摩尔定律逐渐失效，人们对运算能力的要求越来越大，积体电路终究有极限，且似乎已在不远处；科学家于是纷纷开始研究达成更强大运算能力的方法，光学芯片很有可能就是下一个世代的接棒者。　　 

　　现今各种人工智能的应用出现，需要越来越强大的运算能力，其中人工智能的分支之一──类神经网络，这个从人类大脑运作启发的灵感而创造的人工智能运算方法，展现了强大的能力，举凡侦测谎言、辨识人脸、预测心脏病等都可做到；但是，对电脑来说需要非常强大的运算能力，也会消耗很大的能量。　　 

　　传统芯片已渐渐无法负荷当今人工智能如类神经网络的运算量，麻省理工学院的研究人员为了解决这个问题，近期研发出的光学芯片，在使用人工智能的运算像是类神经网络时，运算效率和速度比一般传统芯片要高出许多。　　 

　　传统芯片跟光学芯片虽然想达成的目标类似，都是运算、通讯、储存等，但两者的基本架构不同，一般芯片为运用一连串可以决定电流要不要通过的电晶体，来达成运算。光学芯片则是依靠入射光线的明暗来达成运算，每个“光路”由放大器（Optical Amplifier）、相位调变器（Phase modulator）及偏振转换器（Polarization converter）构成，一旦光线产生后，要达成怎样的运算只要运用镜片就可以改变方向，过程不损耗能源，不像电晶体需要电力来运作。　　 

　　研究人员以新研发的光芯片运作的类神经网络，来辨认英文字母母音的声音，传统电脑的类神经网络正确率可达92%；与之相比，虽然以光路运作的类神经网络正确率只有77%，但是效率跟速度都快上许多。　　 

　　跟以往光学芯片研发不同的是，这次是以矽为基底做成，也就表示量产的可能性大大提升。　　 

　　科技巨头如IBM也传出正在研发整合更多光路到矽基板上，一旦光学芯片研发顺利，未来以类神经网络运算的科技如自动驾驶将可大幅提升。《科学人杂志》（Scientific American）形容就好像口袋一样小的设备能拥有自动驾驶车一样的运算能力。该研究团队的研究员已开始筹备公司，并且预计两年内产出产品。