Temporal speckle enables probabilistic weights for uncertainty-aware photonic AI
تقدم هذه الورقة معالجاً فوتونياً فائق السرعة يستفيد من التنميط الزمني للضوء عريض النطاق لتشفير الأوزان الاحتمالية بشكل أصيل، مما يتغلب على الاختناقات الحسابية للشبكات العصبية البايزية الرقمية ويُمكّن من ذكاء اصطناعي عالي السرعة ومدرك لعدم اليقين، قادر على التصنيف وكشف البيانات خارج النطاق في آن واحد.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت التعرف على أنواع مختلفة من الفاكهة. تعرض عليه آلاف الصور للتفاح والموز والبرتقال، وفي النهاية يصبح الروبوت بارعاً جداً في تمييزها. ولكن ماذا يحدث إذا قدمت له صورة لثمرة كيوي؟ قد يضيق الروبوت عينيه، ويخمن أنها "موزة"، ويقول بكل ثقة: "أنا متأكد بنسبة 100٪!"، رغم أنه مخطئ تماماً. هذه مشكلة كبيرة للوظائف الحساسة المتعلقة بالسلامة مثل السيارات ذاتية القيادة أو التشخيص الطبي، حيث يمكن أن يكون الخطأ الواثق خطيراً.
لحل هذه المشكلة، يستخدم العلماء ما يسمى بـ "الشبكات العصبية البايزية" (Bayesian neural networks). فكر في هذه الشبكات ليس كدماغ روبوت واحد، بل كفريق من الخبراء الذين يمتلك كل منهم آراءً مختلفة قليلاً. فبدلاً من حفظ إجابة واحدة دقيقة لكل صورة، يتعلمون مجموعة من الاحتمالات. عندما يرى الروبوت صورة جديدة، يسأل الفريق بأكمله: "ما رأيكم؟". إذا اتفق الجميع، يكون الروبوت واثقاً. وإذا كان الفريق يتجادل، يدرك الروبوت: "أنا لست متأكداً من هذا"، ويمكنه طلب المساعدة. تكمن المشكلة في أن جعل فريق كامل من الخبراء يتواصل مع بعضه البعض على حاسوب عادي هو أمر بطيء للغاية ويستهلك الكثير من الطاقة؛ إنه يشبه محاولة عقد اجتماع ضخم في غرفة صغيرة؛ فالازدحام المروري يبطئ كل شيء.
هنا يأتي دور فريق من الباحثين من جامعة هايدلبرغ ومعهد EPFL بلمسة ذكية. فقد تساءلوا: "ماذا لو لم نستخدم حاسوباً لمحاكاة هذه الآراء المختلفة، بل استخدمنا الضوء نفسه للقيع بالتفكير؟". في دراستهم الجديدة، يظهرون أنهم يستطيعون استخدام الوميض العشوائي الطبيعي للضوء لتمثيل هذه الآراء غير المؤكدة بشكل فوري.
إليكم كيف فعلوا ذلك. لقد أخذوا شعاعاً من "الضوء الفوضوي" – وهو مجرد ضوء يومض عشوائياً، مثل مصباح كهربائي على وشك أن يحترق. عادةً، يحاول العلماء التخلص من هذا الوميض لأنه يعتبر ضجيجاً، لكن هذا الفريق أدرك أن هذا الوميض هو في الواقع قوة خارقة. لقد استخدموا أداة خاصة لتقسيم الضوء إلى ألوان مختلفة (ترددات). وبالنسبة لكل لون، استطاعوا التحكم في شيئين: مدى سطوعه وعرض النطاق اللوني الخاص به.
اكتشفوا قاعدة سحرية: سطوع لون معين يحدد "متوسط" رأي الروبوت، بينما يحدد عرض النطاق اللوني مدى "عدم اليقين" أو "الاضطراب" في ذلك الرأي. النطاق الضيق يعني رأياً ثابتاً وواثقاً، أما النطاق الواسع فيعني رأياً مضطرباً وغير مؤكد. ولأن الضوء يتحرك بسرعة هائلة، استطاعوا جعل آلاف هذه "الآراء" تومض في نفس الوقت، وكلها محشورة في شعاع واحد.
بنى الفريق شريحة صغيرة تعمل كحزام ناقل فائق السرعة لآراء الضوء هذه. قاموا ببرمجة الضوء ليمثل مسألة رياضية تسمى "الالتفاف" (convolution) – وهي طريقة معقدة لخلط البيانات معاً، تشبه خلط المكونات في وصفة طعام. وبينما ينتقل الضوء عبر الشريحة، يتم تأخير الألوان المختلفة بمقادتدات ضئيلة جداً لكي تصطف بشكل مثالي لإجراء العملية الحسابية. والنتي نتيجة لذلك؟ استطاعت الشريحة إجراء واحدة من هذه الحسابات الاحتمالية كل 37.5 بيكوثانية. ولتضع ذلك في الاعتبار، البيكو ثانية هي جزء من تريليون من الثانية. هذا يعني أنها أسرع بمليارات المرات من الحواسيب القياسية في القيام بهذا النوع المحدد من التفكير غير المؤكد.
اختبروا "دماغ الضوء" هذا في مهمتين من العالم الحقيقي. أولاً، عرضوا عليه صوراً لخلايا الدم. تم تدريب النظام على سبعة أنواع من الخلايا، لكن لم يسبق له رؤية نوع محدد يسمى "الأرومات الحمراء" (erythroblasts). وعندما عرضوا عليه خلية أرومات حمراء، لم يقم النظام بمجرد التخمين، بل أصبح "مضطرباً"؛ حيث اختلفت الآراء المختلفة في شعاع الضوء مع بعضها البعض، مما أعطى إشارة بعدم اليقين العالي. لقد نجح النظام في تحديد الصورة على أنها "أنا لا أعرف ما هذا"، بدلاً من تصنيفها بشكل خاطئ وبثقة.
بعد ذلك، اختبروه على الأرقام المكتوبة بخط اليد (مجموعة بيانات MNIST الشهيرة). عرضوا عليه أرقاماً عادية، وأرقاماً تبدو مثل قطع أزياء (وهي أشياء لم يرها النظام من قبل)، وأرقاماً رُسمت بشكل سيء للغاية بحيث يمكن أن تكون رقمين في آن واحد. نجح "دماغ الضوء" في الفصل بين هذه الحالات الثلاث: كان واثقاً في الأرقام العادية، وغير متأكد من قطع الأزياء (لأنها جديدة)، ومربكاً أمام الرسومات الغامضة (لأن الصورة نفسها كانت غير واضحة).
تثبت الورقة البحثية أنه من خلال استخدام التقلبات الطبيعية للضوء، يمكننا بناء ذكاء اصطناعي لا يقوم بمجرد التخمين، بل يعرف متى يخمن. إنها خطوة نحو آلات ليست سريعة فحسب، بل متواضعة بما يكفي للاعتراف عندما تكون غير متأكدة، وهو بالضبط ما نحتاجه لجعل الذكاء الاصطناعي آمناً وموثوقاً في العالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.