Inhalt
newsletter Newsletter
DEEP MINDS Podcast
Podcast über Künstliche Intelligenz und Wissenschaft
DEEP MINDS #12: Künstliche Intelligenz regulieren

Silizium-Chips bilden die Grundlage unserer digitalen Infrastruktur. Ein Start-up will das ändern.

Angetrieben vom KI-Boom ist der weltweite Bedarf nach Rechenleistung im letzten Jahrzehnt explodiert: Laut OpenAI ist die benötigte Leistung für KI-Fortschritte zwischen 2012 und 2018 um das 300.000-fache angestiegen. Hinzu kommt, dass nahezu jedes große Tech-Unternehmen mittlerweile gigantische KI-Modelle mit Milliarden oder sogar Billionen von Parametern trainiert und anschließend für eigene Produkte einsetzt.

Auf KI-Berechnungen spezialisierte Silizium-Chips helfen, diesen Leistungshunger zu stillen. Doch wenn sich die benötigte Leistung weiter alle drei bis vier Monate verdoppelt, könnte die klassische Chip-Architektur nicht mehr ausreichen, befürchten KI-Experten. Das Start-up Lightmatter arbeitet daher an einer völlig neuen Art Computer-Chip.

Hybrider Photonen-Chip

Traditionelle Computerchips aus Silizium verwenden Transistoren, die den Fluss von Elektronen kontrollieren. Lightmatters erster Chip setzt dagegen auf eine hybride Lösung von Elektronen und Photonen für die KI-Berechnungen: Der „Envise“ genannte Chip verbindet Siliziumtransistoren mit zwei Photon-Tensor-Prozessoren.

Anzeige
Unterstütze unsere unabhängige, frei zugängliche Berichterstattung. Jeder Betrag hilft und sichert unsere Zukunft. Jetzt unterstützen:
Banküberweisung

Ein fundamentaler Baustein der Photonen-Prozessoren ist das Mach-Zehnder-Interferometer, das 1891 das erste Mal auf einem Versuchstisch gebaut wurde. 130 Jahre später setzt Envise das Prinzip der Teilung und Zusammenführung von Licht in wenigen Nanometern um. Gesteuert werden die Funktionen des Photonen-Chips von den Siliziumtransistoren.

Durch die Transistoren lässt sich Envise problemlos von Entwicklern in bereits bestehenden Serverarchitekturen integrieren und ansprechen. Doch die eigentliche Arbeit erledigen die Photonen – das spart Energie und beschleunigt die Berechnung.

Lightmatter Envision Serverrack
Lightmatter will mit Envise Blade ein Serverrack mit 16 verbauten Envise-Chips verkaufen. | Bild: Lightmatter

Envise vorerst nur für Inferenz

Laut Nicholas Harris, CEO von Lightmatter, erreicht die analoge Photonenlösung jedoch nicht die Genauigkeit von reinen Siliziumsystemen. „Wir haben ein 8-bit-äquivalentes System“, so Harris.

Envise ist daher vorerst nicht für das KI-Training geeignet, da dort eine höhere Präzision benötigt wird. Stattdessen vermarktet Lightmatter den Chip für die Ausführung von fertig trainierte KI-Modellen.

Laut Lightmatter ist Envise bei der Inferenz je nach KI-Modell 1,5- bis 10-Mal schneller als Nvidias A100-Chip. Die Sprach-KI BERT läuft auf Envise etwa 5-Mal schneller als auf Nvidias Chips. Der Photonen-Chip sei außerdem 7-Mal energieeffizienter als ein A100-Chip, so Lightmatter.

Empfehlung

Neben Lightmatter wollen die Unternehmen LightIntelligence, LightOn, Luminous oder Optalysys Rechenzentren mit Photonen-Chips ausstatten. Lightmatter möchte jedoch Envision noch in diesem Jahr auf den Markt bringen und könnte damit eines der ersten Unternehmen mit einem Photon-KI-Chip im Angebot sein.

Titelbild: Lightmatter | Via: Lightmatter, Spectrum, OpenAI

Weiterlesen über Künstliche Intelligenz:

Anzeige
Unterstütze unsere unabhängige, frei zugängliche Berichterstattung. Jeder Betrag hilft und sichert unsere Zukunft. Jetzt unterstützen:
Banküberweisung
Community beitreten
Kommt in die DECODER-Community bei Discord,Reddit, Twitter und Co. - wir freuen uns auf euch!
Unterstütze unsere unabhängige, frei zugängliche Berichterstattung. Jeder Betrag hilft und sichert unsere Zukunft. Jetzt unterstützen:
Banküberweisung
Max ist leitender Redakteur bei THE DECODER. Als studierter Philosoph beschäftigt er sich mit dem Bewusstsein, KI und der Frage, ob Maschinen wirklich denken können oder nur so tun als ob.
Community beitreten
Kommt in die DECODER-Community bei Discord,Reddit, Twitter und Co. - wir freuen uns auf euch!