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任務的計算，性能得到顯著提升。在識別手寫數(shù)字的任務上，光學計算機達到90%的準確率，這是極大的進步。未來光學計算機對大型AI任務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，它正在學習識別手寫數(shù)字。在其他實驗中，這臺計算機學會了用文本生成句子。

現(xiàn)在，這臺原型光學計算機（optical computer）表現(xiàn)很好，但還達不到絕佳狀態(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 稱這是機器學習軟件首次使用激光脈沖電路而非電力進行訓練。Fathom 公司正在努力縮小這臺占地幾平方英尺計算機的尺寸，以適應標準的云服務器。Fathom 希望這項技術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提供商，在計算機芯片上花費巨資為機器學習算法提供算力。研究人員發(fā)現(xiàn)專為圖形設計的芯片非常適合于為識別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，領先的圖形芯片供應商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(fā)自己的機器學習專門芯片。

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(chuàng)始人們押注于這項新技術，認為它將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(yōu)勢，沒有任何電子學的設計能夠超越它。”他和兄弟一起創(chuàng)業(yè)，公司有11人，由Andy Rubin領導的風險投資公司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。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。因為光導線路內的光線或多或少是自由傳播的。相反，電信號必須相阻抗，產生廢熱。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(tǒng)。但是隨著半導體產業(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是新的光學計算復興的一部分，這一復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(tǒng)變得更加智能的技術上的挑戰(zhàn)。報告寫道：“硬件技術迅速提升的歷史正在陷入停滯?！?/p>

光學計算機不太可能在短時間內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。但亞利桑那大學的教授Pierre-Alexandre Blanche說，這項技術看起來與芯片在基于人工神經網絡的AI項目中的主要工作相當匹配。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)學運算的基礎上的，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前使用的系統(tǒng)性能的瓶頸。

Fathom并不孤單，認為AI系統(tǒng)需要光線的公司不止它一家?？偛课挥诎屠璧膭?chuàng)業(yè)公司LightOn近日宣布，它已經開始在數(shù)據(jù)中心測試自己的光學處理器技術。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，該項目在光學計算機上運行神經網絡進行語音識別。但與Fathom的設備不同，該系統(tǒng)并未負責軟件的訓練。“我們在網上發(fā)布關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先太多。

Andregg認為他的團隊更適合在光學計算競賽中。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，當前的版本容易出錯。他們的目標是將系統(tǒng)安裝到一塊電路板上，這樣它就可以滑進服務器。從外面看到的龐大系統(tǒng)的某些部分應該相對容易縮?。粰C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芯片來檢測和操作激光束。但是設計任何類型的芯片對于初創(chuàng)公司來說都是一個復雜的任務。

Andregg認為兩年內還無法準備好最終的產品，但是他兄弟倆已經開始擔心人們將怎么利用這個產品 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有權拒絕他們認為可能導致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(tǒng)，我們就會拒絕?！?/p>