摩爾定律攪局者：這家公司用光訓練 AI，而不是GPU

Willam Andregg帶我走進他的創業公司 Fathom Computing雜亂的工作室，輕輕擡起一個笨重黑匣子的蓋子。匣子裡，綠光從一組像是望遠鏡的鏡頭、支架和電纜中微微發出。這是一台使用光（而不是電）來處理資料的原型計算機，它正在學習識别手寫數字。在其他實驗中，這台計算機學會了用文本生成句子。

現在，這台原型光學計算機（optical computer）表現很好，但還達不到絕佳狀态：在最佳運作條件下，它正确讀出了 90％的潦草手寫數字。但 Andregg 認為這是一個突破。 “2014 年我們開香槟慶祝公司成立時，正确率隻有 30％左右，” 他笑着說。

Andregg 稱這是機器學習軟體首次使用雷射脈沖電路而非電力進行訓練。Fathom 公司正在努力縮小這台占地幾平方英尺計算機的尺寸，以适應标準的雲伺服器。Fathom 希望這項技術将成為人工智能淘金熱的一個利器。

科技公司，特别是像亞馬遜和微軟這樣的大型雲服務提供商，在計算機晶片上花費巨資為機器學習算法提供算力。研究人員發現專為圖形設計的晶片非常适合于為識别語音或圖像等任務驅動所謂的人工神經網絡，這開啟了人工智能的狂熱。在過去的三年中，領先的圖形晶片供應商Nvidia的股價已經增長了10倍以上，谷歌和其他許多公司也正在制造或研發自己的機器學習專門晶片。

Fathom的原型光學計算機乘法矩陣的可視化——這是對人工神經網絡來說非常重要的操作。

Fathom的創始人們押注于這項新技術，認為它将超越純電子計算機的能力。 William Andregg說：“光學技術與電子學相比具有根本上的優勢，沒有任何電子學的設計能夠超越它。”他和兄弟一起創業，公司有11人，由Andy Rubin上司的風險投資公司Playground Global支援，後者共同開發了目前由谷歌擁有的Android作業系統。Fathom在加州帕洛阿爾托Playground的工作室運作。Playground曾是Nervana公司的主要投資方，該公司在2016年被Intel收購，成為該晶片巨頭AI硬體戰略的核心。

利用光而不是電來處理資料的好處

電信公司通過光信号來遠距離傳播資料，因為與金屬電纜中的電脈沖相比，使用同樣的能量，光信号傳播得更遠。一根電纜可以同時容納許多并行資料流，由不同顔色的光線進行傳輸。

利用光來處理資料，以及傳輸資料，也能夠帶來顯着的性能提升。因為光導線路内的光線或多或少是自由傳播的。相反，電信号必須相阻抗，産生廢熱。容量增加和節能減排，兩者加在一起對那些運作大型機器學習項目的公司是很大的吸引。

光處理器不是一個新概念。在20世紀60年代就提出來了，用于軍用雷達系統。但是随着半導體産業大步前進，數十年來晶片密度都實作了摩爾定律的提升。Fathom是新的光學計算複興的一部分，這一複興是由于人們認識到摩爾定律似乎正在失效。加州大學伯克利分校的14名研究人員在最近的一份報告中提到了摩爾定律的消亡，他們提出使AI系統變得更加智能的技術上的挑戰。報告寫道：“硬體技術迅速提升的曆史正在陷入停滞。”

光學計算機不太可能在短時間内為你的筆記本或智能手機供能。首先，Fathom的原型機仍然太笨重了。但亞利桑那大學的教授Pierre-Alexandre Blanche說，這項技術看起來與晶片在基于人工神經網絡的AI項目中的主要工作相當比對。Siri的語音識别、在圍棋上赢過人類的AlphaGo，都是建立在大量特定的數學運算的基礎上的，即矩陣的乘法運算。

Fathom的原型機是通過将數字編碼成光束來執行這些操作。光束通過一系列透鏡和其他光學元件。 閱讀這些光束如何在這個過程中發生改變，可以揭示計算的結果。像這樣的光電路可以有效地執行傳統計算機中存儲器和處理器的工作。在這些元件之間移動資料的時間成本和能源成本是目前使用的系統性能的瓶頸。

Fathom并不孤單，認為AI系統需要光線的公司不止它一家。總部位于巴黎的創業公司LightOn近日宣布，它已經開始在資料中心測試自己的光學處理器技術。初創公司Lightmatter和Lightelligence去年從MIT脫離，籌集了總計2100萬美元的資金，包括來自中國搜尋巨頭百度的資金。這兩家初創公司誕生于MIT的一個項目，該項目在光學計算機上運作神經網絡進行語音識别。但與Fathom的裝置不同，該系統并未負責軟體的訓練。“我們在網上釋出關于該項目的研究報告之後，很快收到了來自投資者的多次電話，”Lightelligence首席執行官兼創始人Yichen Shen說，“這是一個巨大的機遇。”

Andregg兄弟的前一家創業公司Halcyon Molecular偶然發現了另一個大好機遇。這家基因測序公司得到了特斯拉CEO Elon Musk和Facebook投資人 Peter Thiel的支援，但在2012年倒閉了，創始人說，這是因為競争對手領先太多。

Andregg認為他的團隊更适合在光學計算競賽中。盡管如此，Fathom的原型機還是很長一段路要走。除了機器太大之外，在變冷時，目前的版本容易出錯。他們的目标是将系統安裝到一塊電路闆上，這樣它就可以滑進伺服器。從外面看到的龐大系統的某些部分應該相對容易縮小；機器是用相對低成本的部件組裝起來的，以便進行修補。他們還必須設計一個新的晶片來檢測和操作雷射束。但是設計任何類型的晶片對于初創公司來說都是一個複雜的任務。

Andregg認為兩年内還無法準備好最終的産品，但是他兄弟倆已經開始擔心人們将怎麼利用這個産品 Fathom成立時是一家公益企業，其使命是“為人工智能制造更好的硬體，改善所有人的生活”。這是為了讓Fathom有權拒絕他們認為可能導緻AI惡意使用的銷售。“我們不想見到一個負面的奇點，”Andregg說，“如果軍方想要購買我們的系統，我們就會拒絕。”

原文釋出時間為：2018-02-27

本文作者：Tom Simonite

本文來自雲栖社群合作夥伴新智元，了解相關資訊可以關注“AI_era”微信公衆号