Случайность не случайна: грядет новая эра машинного обучения
Машинное обучение с подкреплением — ключевая часть искусственного интеллекта — требует высокоскоростных решений.

Но классические методы на базе микросхем упираются в ограничения: закон Мура больше не работает, энергии тратится много, а скорости не хватает.
Недавно ученые предложили альтернативу — фотонный ускоритель на основе нелинейного оптоэлектронного осциллятора (NOEO). Его поставили в начало системы принятия решений, и он помогал решать задачи быстрее и точнее. Внутри NOEO генерировались четыре сложных хаотических сигнала с рекордными параметрами: полоса пропускания до 18 ГГц, энтропия 0.9983 и почти нулевая периодичность. Это намного лучше, чем у обычных генераторов на микросхемах или лазерах.
Результаты опубликованы в издании PhotoniX.
Благодаря такому мощному источнику случайности, система эффективно балансировала между исследованием и использованием — главной проблемой обучения с подкреплением. Два примера проверили: задачу о многоруком бандите (MAB) и крестики-нолики.
В MAB-тесте с 512 вариантами NOEO показал лучшую скорость и точность. Например, для 64 вариантов он достигал 100% правильных решений за 80 циклов, тогда как классический метод 0.02-Greedy не преодолевал 98%. А зависимость числа попыток от сложности оказалась почти линейной — лучше, чем у конкурентов.
В крестики-нолики две NOEO-системы играли друг с другом, и ни одна не могла выиграть — баланс идеальный.
Но если одна сторона использовала ускоритель, а другая нет, победа была гарантирована.
Это не просто академический успех. Обычные системы работают только с простыми задачами вроде MAB, а здесь — настоящая игровая логика, близкая к реальному обучению. Более того, архитектура NOEO позволяет применять его и в других областях ИИ: глубоком обучении, резервуарных вычислениях, оптимизации.
Польза исследования
- Скорость: фотонные системы работают на порядки быстрее электронных.
- Энергоэффективность: меньше нагрев, выше КПД.
- Масштабируемость: хаотические сигналы NOEO позволяют решать сложные задачи без экспоненциального роста затрат.
- Универсальность: подход применим не только в RL, но и в других областях машинного обучения.
Отметим, что хаотические генераторы NOEO требуют точной настройки и стабильных условий работы. В реальных системах, где есть вибрации, перепады температур и электромагнитные помехи, их надежность пока под вопросом.
Ранее ученые разработали кристаллы, обладающие одновременно электронными и оптическими свойствами.



















