初創(chuàng)公司Fathom Computing從2014年開始嘗試用光子來處理數(shù)據(jù)，他們發(fā)現(xiàn)光子比電子更適合AI任務(wù)的計算，性能得到顯著提升。在識別手寫數(shù)字的任務(wù)上，光學(xué)計算機達(dá)到90%的準(zhǔn)確率，這是極大的進步。未來光學(xué)計算機對大型AI任務(wù)來說有著無與倫比的吸引力。

Willam Andregg帶我走進他的創(chuàng)業(yè)公司 Fathom Computing雜亂的工作室，輕輕抬起一個笨重黑匣子的蓋子。匣子里，綠光從一組像是望遠(yuǎn)鏡的鏡頭、支架和電纜中微微發(fā)出。這是一臺使用光（而不是電）來處理數(shù)據(jù)的原型計算機，它正在學(xué)習(xí)識別手寫數(shù)字。在其他實驗中，這臺計算機學(xué)會了用文本生成句子。

現(xiàn)在，這臺原型光學(xué)計算機（optical computer）表現(xiàn)很好，但還達(dá)不到絕佳狀態(tài)：在最佳運行條件下，它正確讀出了 90％的潦草手寫數(shù)字。但 Andregg 認(rèn)為這是一個突破。 “2014 年我們開香檳慶祝公司成立時，正確率只有 30％左右，” 他笑著說。

Andregg 稱這是機器學(xué)習(xí)軟件首次使用激光脈沖電路而非電力進行訓(xùn)練。Fathom 公司正在努力縮小這臺占地幾平方英尺計算機的尺寸，以適應(yīng)標(biāo)準(zhǔn)的云服務(wù)器。Fathom 希望這項技術(shù)將成為人工智能淘金熱的一個利器。

科技公司，特別是像亞馬遜和微軟這樣的大型云服務(wù)提供商，在計算機芯片上花費巨資為機器學(xué)習(xí)算法提供算力。研究人員發(fā)現(xiàn)專為圖形設(shè)計的芯片非常適合于為識別語音或圖像等任務(wù)驅(qū)動所謂的人工神經(jīng)網(wǎng)絡(luò)，這開啟了人工智能的狂熱。在過去的三年中，領(lǐng)先的圖形芯片供應(yīng)商Nvidia的股價已經(jīng)增長了10倍以上，谷歌和其他許多公司也正在制造或研發(fā)自己的機器學(xué)習(xí)專門芯片。

Fathom的原型光學(xué)計算機乘法矩陣的可視化——這是對人工神經(jīng)網(wǎng)絡(luò)來說非常重要的操作。

Fathom的創(chuàng)始人們押注于這項新技術(shù)，認(rèn)為它將超越純電子計算機的能力。 William Andregg說：“光學(xué)技術(shù)與電子學(xué)相比具有根本上的優(yōu)勢，沒有任何電子學(xué)的設(shè)計能夠超越它?！彼托值芤黄饎?chuàng)業(yè)，公司有11人，由Andy Rubin領(lǐng)導(dǎo)的風(fēng)險投資公司Playground Global支持，后者共同開發(fā)了目前由谷歌擁有的Android操作系統(tǒng)。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，成為該芯片巨頭AI硬件戰(zhàn)略的核心。

利用光而不是電來處理數(shù)據(jù)的好處

電信公司通過光信號來遠(yuǎn)距離傳播數(shù)據(jù)，因為與金屬電纜中的電脈沖相比，使用同樣的能量，光信號傳播得更遠(yuǎn)。一根電纜可以同時容納許多并行數(shù)據(jù)流，由不同顏色的光線進行傳輸。

利用光來處理數(shù)據(jù)，以及傳輸數(shù)據(jù)，也能夠帶來顯著的性能提升。因為光導(dǎo)線路內(nèi)的光線或多或少是自由傳播的。相反，電信號必須相阻抗，產(chǎn)生廢熱。容量增加和節(jié)能減排，兩者加在一起對那些運行大型機器學(xué)習(xí)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(jì)60年代就提出來了，用于軍用雷達(dá)系統(tǒng)。但是隨著半導(dǎo)體產(chǎn)業(yè)大步前進，數(shù)十年來芯片密度都實現(xiàn)了摩爾定律的提升。Fathom是新的光學(xué)計算復(fù)興的一部分，這一復(fù)興是由于人們認(rèn)識到摩爾定律似乎正在失效。加州大學(xué)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(tǒng)變得更加智能的技術(shù)上的挑戰(zhàn)。報告寫道：“硬件技術(shù)迅速提升的歷史正在陷入停滯?！?/p>

光學(xué)計算機不太可能在短時間內(nèi)為你的筆記本或智能手機供能。首先，F(xiàn)athom的原型機仍然太笨重了。但亞利桑那大學(xué)的教授Pierre-Alexandre Blanche說，這項技術(shù)看起來與芯片在基于人工神經(jīng)網(wǎng)絡(luò)的AI項目中的主要工作相當(dāng)匹配。Siri的語音識別、在圍棋上贏過人類的AlphaGo，都是建立在大量特定的數(shù)學(xué)運算的基礎(chǔ)上的，即矩陣的乘法運算。

Fathom的原型機是通過將數(shù)字編碼成光束來執(zhí)行這些操作。光束通過一系列透鏡和其他光學(xué)元件。 閱讀這些光束如何在這個過程中發(fā)生改變，可以揭示計算的結(jié)果。像這樣的光電路可以有效地執(zhí)行傳統(tǒng)計算機中存儲器和處理器的工作。在這些組件之間移動數(shù)據(jù)的時間成本和能源成本是當(dāng)前使用的系統(tǒng)性能的瓶頸。

Fathom并不孤單，認(rèn)為AI系統(tǒng)需要光線的公司不止它一家。總部位于巴黎的創(chuàng)業(yè)公司LightOn近日宣布，它已經(jīng)開始在數(shù)據(jù)中心測試自己的光學(xué)處理器技術(shù)。初創(chuàng)公司Lightmatter和Lightelligence去年從MIT脫離，籌集了總計2100萬美元的資金，包括來自中國搜索巨頭百度的資金。這兩家初創(chuàng)公司誕生于MIT的一個項目，該項目在光學(xué)計算機上運行神經(jīng)網(wǎng)絡(luò)進行語音識別。但與Fathom的設(shè)備不同，該系統(tǒng)并未負(fù)責(zé)軟件的訓(xùn)練?！拔覀冊诰W(wǎng)上發(fā)布關(guān)于該項目的研究報告之后，很快收到了來自投資者的多次電話，”Lightelligence首席執(zhí)行官兼創(chuàng)始人Yichen Shen說，“這是一個巨大的機遇?！?/p>

Andregg兄弟的前一家創(chuàng)業(yè)公司Halcyon Molecular偶然發(fā)現(xiàn)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的支持，但在2012年倒閉了，創(chuàng)始人說，這是因為競爭對手領(lǐng)先太多。

Andregg認(rèn)為他的團隊更適合在光學(xué)計算競賽中。盡管如此，F(xiàn)athom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，當(dāng)前的版本容易出錯。他們的目標(biāo)是將系統(tǒng)安裝到一塊電路板上，這樣它就可以滑進服務(wù)器。從外面看到的龐大系統(tǒng)的某些部分應(yīng)該相對容易縮??；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(shè)計一個新的芯片來檢測和操作激光束。但是設(shè)計任何類型的芯片對于初創(chuàng)公司來說都是一個復(fù)雜的任務(wù)。

Andregg認(rèn)為兩年內(nèi)還無法準(zhǔn)備好最終的產(chǎn)品，但是他兄弟倆已經(jīng)開始擔(dān)心人們將怎么利用這個產(chǎn)品 Fathom成立時是一家公益企業(yè)，其使命是“為人工智能制造更好的硬件，改善所有人的生活”。這是為了讓Fathom有權(quán)拒絕他們認(rèn)為可能導(dǎo)致AI惡意使用的銷售?！拔覀儾幌胍姷揭粋€負(fù)面的奇點，”Andregg說，“如果軍方想要購買我們的系統(tǒng)，我們就會拒絕。”