تحقیقات NTT در رویداد ارتقاء سالانه خود اعلام کرد که یک گروه تحقیقاتی اساسی AI را آغاز کرده است ، با نام فیزیک گروه اطلاعات مصنوعی.
هوش مصنوعی فیزیکی در سال 2025 به یک کار بزرگ تبدیل شده است ، به طوری که Nvidia منجر به ایجاد داده های مصنوعی به اتومبیل های خودران پیش آزمون و روباتیک انسان سازی شد تا بتوانند سریعتر به بازار عرضه شوند. NTT Research در حال راه اندازی فیزیک خود از گروه هوش مصنوعی (PAI) برای حضور در هیئت مدیره است.
گروه مستقل جدید NTT Research در حال چرخش از آزمایشگاه فیزیک اطلاعات (PHI) خود برای پیشبرد درک ما از “جعبه سیاه” هوش مصنوعی برای اعتماد بهتر و نتایج ایمنی است. NTT Research ، که دارای بودجه تحقیق و توسعه 3.6 میلیارد دلاری سالانه است ، بخش NTT ، شرکت بزرگ ارتباطات ژاپن است.
سال گذشته ، NTT چشم انداز “فیزیک اطلاعات” خود را در ابتدا با همکاری مرکز دانشگاه دانشگاه هاروارد برای علوم مغز ، کمک های کلیدی انجام شده در پنج سال گذشته و همکاری مداوم با شرکای دانشگاهی ایجاد کرد.
این گروه جدید توسط Hidenori Tanaka ، دانشمند تحقیقات NTT و کارشناس فیزیک ، علوم اعصاب و یادگیری ماشین به رهبری همکاری های گسترده تر از همکاری های انسانی/AI هدایت می شود.
این گروه جدید به پیشبرد یک رویکرد بین رشته ای برای درک هوش مصنوعی پیشگام این تیم طی 5 سال گذشته ادامه خواهد داد.
در اوایل ، آزمایشگاه PHI اهمیت درک ماهیت “جعبه سیاه” هوش مصنوعی و یادگیری ماشین را برای توسعه سیستم های جدید با بهره وری انرژی به شدت بهبود یافته برای محاسبه تشخیص داد. با پیشرفت AI که اکنون با نرخ حیرت انگیز پیش می رود ، مسائل مربوط به اعتماد به نفس و ایمنی نیز برای کاربردهای صنعت و حاکمیت تصویب هوش مصنوعی بسیار مهم شده است.
با همکاری محققان برجسته دانشگاهی ، گروه فیزیک هوش مصنوعی با هدف پرداختن به شباهت های بین هوشهای بیولوژیکی و مصنوعی ، پرده برداری بیشتر از پیچیدگی های مکانیسم های هوش مصنوعی و ایجاد اعتماد به نفس که منجر به هماهنگی تر همکاری های انسانی و هوش مصنوعی می شود. هدف این است که درک بهتری از نحوه عملکرد هوش مصنوعی از نظر آموزش ، جمع آوری دانش و تصمیم گیری به دست آوریم تا بتوانیم در آینده هوش مصنوعی منسجم ، ایمن و قابل اعتماد را طراحی کنیم.
این رویکرد آنچه را که فیزیکدانان طی قرن ها انجام داده اند تکرار می کند: مردم درک کرده بودند که اشیاء هنگام استفاده از نیروها حرکت می کنند ، اما این فیزیک بود که جزئیات دقیق این رابطه را نشان داد ، که به انسان اجازه می داد ماشین های طراحی را که امروز می شناسیم طراحی کنند. به عنوان مثال ، توسعه موتور بخار از درک ما از ترمودینامیک خبر داد ، که به نوبه خود باعث ایجاد نیمه هادی های پیشرفته می شود. به همین ترتیب ، کار این گروه آینده فناوری هوش مصنوعی را شکل می دهد.
این گروه جدید به همکاری با مرکز دانشگاه دانشگاه هاروارد برای علوم مغز (CBS) ، به سرپرستی استاد هاروارد ونکاتس مورتی ، و با استادیار دانشگاه پرینستون (و دانشمند سابق تحقیقات NTT) گوتام ردی ادامه خواهد داد. همچنین قصد دارد با استاد دانشیار دانشگاه استنفورد ، سوریا گانگولی ، که با آنها تاناکا چندین مقاله را همکاری کرده است ، همکاری کند. تیم اصلی این گروه شامل Tanaka ، دانشمند تحقیقات NTT مایا اوکاوا و NTT تحقیق بعد از دکترا Ekdeep Singh Lubana است.
مشارکتهای قبلی تا به امروز شامل موارد زیر است:
• یک الگوریتم هرس شبکه عصبی که به طور گسترده استناد شده است (بیش از 750 استناد در تنها 4 سال)
• یک الگوریتم از بین بردن تعصب برای مدلهای بزرگ زبان (LLMS) ، که توسط انستیتوی ملی استاندارد و فناوری ایالات متحده (NIST) به دلیل بینش های علمی و عملی آن شناخته شده است. وت
• بینش جدید در مورد پویایی نحوه یادگیری مفاهیم
با پیشروی ، فیزیک گروه هوش مصنوعی یک مأموریت سه جانبه دارد. 1) این قصد دارد درک ما از مکانیسم های هوش مصنوعی را عمیق تر کند ، بهتر است اخلاق را از درون ادغام کنیم ، نه اینکه از طریق وصله ای از تنظیم دقیق (یعنی یادگیری اجباری). 2) وام گرفتن از فیزیک تجربی ، به ایجاد فضاهای قابل کنترل سیستماتیک هوش مصنوعی ادامه خواهد داد و رفتارهای یادگیری و پیش بینی مرحله به مرحله AI را مشاهده می کند. 3) این آرزو دارد که از طریق عملیات بهبود یافته و کنترل داده ها ، نقض اعتماد بین AI و اپراتورهای انسانی را بهبود بخشد.
کازو گومی در بیانیه ای گفت: “امروز یک گام جدید در جهت درک جامعه از هوش مصنوعی از طریق ایجاد فیزیک تحقیقات NTT از گروه اطلاعات مصنوعی است.” “ظهور و اتخاذ سریع راه حل های هوش مصنوعی در همه زمینه های زندگی روزمره تأثیر عمیقی بر روابط ما با فناوری داشته است. از آنجا که نقش AI همچنان در حال رشد است ، ما کشف می کنیم که چگونه AI مردم را احساس می کند و چگونه می تواند پیشرفت راه حل های جدید را شکل دهد.
فیزیک گروه هوش مصنوعی یک رویکرد بین رشته ای به هوش مصنوعی را در بر می گیرد ، با فیزیک ، علوم اعصاب و روانشناسی جمع می شود. این رویکرد فراتر از معیارهای متعارف است ، و نیاز به پشتیبانی از اهداف مانند انصاف و ایمنی را که منجر به پذیرش پایدار هوش مصنوعی می شود ، می شناسد. از نظر بهره وری انرژی ، سایر گروه ها در آزمایشگاه PHI در حال حاضر در تلاش برای کاهش مصرف انرژی سیستم عامل های محاسباتی AI از طریق محاسبات نوری و یک فناوری با فیلم نازک ، فیلم Lithium Niobate (TFLN) هستند. مهمتر از آن ، با الهام از دیفرانسیل گسترده بین وات های مصرف شده توسط LLMS و مغز انسان یا حیوان ، این گروه جدید همچنین راه هایی برای بهره برداری از شباهت ها بین مغزهای بیولوژیکی و شبکه های عصبی مصنوعی را کشف می کند.
تاناکا در بیانیه ای گفت: “کلید اصلی برای وجود هوش مصنوعی در کنار بشریت ، در اعتماد به نفس آن و چگونگی نزدیک شدن به طراحی و اجرای راه حل های هوش مصنوعی نهفته است.” “با ظهور این گروه ، ما مسیری را برای درک مکانیسم های محاسباتی مغز و چگونگی ارتباط آن با مدل های یادگیری عمیق داریم. با نگاهی به آینده ، تحقیقات ما امیدوار است که از طریق درک ما از فیزیک ، علوم اعصاب و یادگیری دستگاه ، الگوریتم ها و سخت افزار هوشمند تری را به وجود آورد.”
از سال 2019 ، آزمایشگاه PHI با استفاده از فن آوری های مبتنی بر فوتونیک ، تحقیقات را برای روشهای جدید سیستم های محاسباتی انجام داده است. دستگاه های مبتنی بر TFLN با این تلاش مورد بررسی قرار می گیرند ، در حالی که دستگاه منسجم ISING دیدگاه های جدیدی در مورد مشکلات بهینه سازی پیچیده ارائه می دهد که از نظر تاریخی برای حل رایانه های کلاسیک بسیار دشوار است.
علاوه بر توافق نامه تحقیقاتی مشترک (JRA) با هاروارد ، آزمایشگاه PHI در طی سالها با انستیتوی فناوری کالیفرنیا (Caltech) ، دانشگاه کرنل ، دانشگاه هاروارد ، انستیتوی فناوری ماساچوست (MIT) ، دانشگاه نوتردام ، دانشگاه استنفورد ، دانشگاه فناوری Swinburne ، دانشگاه میشیگان و مرکز تحقیقات ناسا آمیز همکاری کرده است. درمجموع ، آزمایشگاه PHI بیش از 150 مقاله ارائه داده است ، پنج ظاهر در طبیعت ، یکی در علم و بیست در مجلات خواهر طبیعت.
NTT تراشه استنباط هوش مصنوعی را برای پردازش ویدیوی 4K در زمان واقعی اعلام می کند
NTT Corp. همچنین یک ادغام جدید و در مقیاس بزرگ (LSI) را برای پردازش استنتاج AI در زمان واقعی فیلم فوق العاده با کیفیت بالا تا 4K و 30 فریم در ثانیه (FPS) اعلام کرد. این فناوری کم قدرت برای استقرار ترمینال لبه و محدود شده با قدرت طراحی شده است که در آن استنباط AI معمولی نیاز به فشرده سازی ویدیوی با کیفیت فوق العاده بالا برای پردازش در زمان واقعی دارد.
به عنوان مثال ، هنگامی که این LSI روی یک هواپیمای بدون سرنشین نصب شده است ، این هواپیمای بدون سرنشین می تواند افراد یا اشیاء را تا 150 متر (492 فوت) بالاتر از زمین تشخیص دهد ، حداکثر ارتفاع قانونی پرواز هواپیماهای بدون سرنشین در ژاپن ، در حالی که فناوری استنباط ویدیویی در زمان واقعی AI معمولی باعث می شود که عملیات هواپیماهای بدون سرنشین به حدود 30 متر (98 فوت) محدود شود. یک مورد استفاده شامل پیشبرد بازرسی زیرساخت های مبتنی بر هواپیماهای بدون سرنشین برای عملیات فراتر از دید بینایی اپراتور ، کاهش نیروی کار و هزینه ها است.
“ترکیبی از استنتاج AI کم قدرت با فیلم فوق العاده با کیفیت بسیار زیاد است
مقدار پتانسیل ، از بازرسی زیرساخت ها تا امنیت عمومی تا رویدادهای ورزشی زنده ، “در بیانیه ای گفت:” LSI NTT ، که ما معتقدیم اولین نوع از نوع خود برای دستیابی به چنین نتایج است ، نشان دهنده یک گام مهم به جلو در ایجاد استنتاج AI در لبه و پایانه های محدود شده قدرت است. “
در پایانه های لبه و محدود شده با قدرت ، دستگاه های AI محدود به مصرف برق هستند و ترتیب بزرگی پایین تر از GPU های مورد استفاده در سرورهای AI دارند. ده ها وات توسط سابق در مقایسه با صدها وات توسط دومی. LSI با اجرای یک موتور استنتاج هوش مصنوعی NTT بر این محدودیت ها غلبه می کند. این موتور پیچیدگی محاسباتی را ضمن اطمینان از صحت تشخیص ، بهبود راندمان محاسبات با استفاده از همبستگی بین فریم و کنترل دقیق بیت پویا کاهش می دهد. اجرای الگوریتم تشخیص شیء که فقط یک بار به نظر می رسد (yolov3) با استفاده از این LSI با مصرف برق کمتر از 20 وات امکان پذیر است.
NTT قصد دارد این LSI را در سال مالی 2025 از طریق شرکت عامل خود NTT شرکت های نوآورانه شرکت کند. NTT این LSI را در به روزرسانی ، اجلاس سالانه تحقیق و نوآوری این شرکت اعلام و نشان داد. ارتقا 2025 در سانفرانسیسکو 9-10 آوریل 2025 برگزار می شود.
با نگاهی به آینده ، محققان در حال مطالعه کاربرد این LSI در زیرساخت های داده محور (DCI) ابتکار عمل نوآورانه نوری و بی سیم (IOWN) به رهبری NTT و انجمن جهانی Iown هستند. DCI از قابلیت های پر سرعت و کم تأخیر شبکه Iown All-Photonics برای رفع چالش های زیرساخت های شبکه مدرن از جمله موانع مقیاس پذیری ، محدودیت در عملکرد و مصرف انرژی بالا استفاده می کند.
علاوه بر این ، محققان NTT با NTT Data ، Inc. در مورد پیشرفت این LSI در رابطه با فناوری های رمزگذاری مبتنی بر ویژگی های اختصاصی (ABE) همکاری می کنند. ABE کنترل دسترسی ریز دانه و تنظیم خط مشی انعطاف پذیر را در لایه داده امکان پذیر می کند ، با فناوری های رمزگذاری مخفی مشترک امکان اشتراک داده های ایمن را فراهم می کند که می تواند در برنامه های موجود و فروشگاه های داده ادغام شود.
هویت Iown
و دیروز ، NTT اعلام کرد که Akkira Shimada ، رئیس جمهور و مدیرعامل NTT ، و Kawazoe ، معاون ارشد اجرایی و CTO از NTT ، کتابی منتشر کرده اند ، هویت Iown، که در آن آنها در مورد ابتکار عمل Iown (نوری نوری و بی سیم) به سرپرستی NTT ، جهانی بحث می کنند
رهبر فناوری.
این کتاب تازه ترجمه شده به بررسی دیدگاه NTT در مورد Iown و چگونگی امکان جامعه پایدارتر در دنیای فزاینده داده محور می پردازد.
“هویت Iown” اکنون به دنبال انتشار در نشست سالانه تحقیق و نوآوری NTT ، ارتقاء ، در آمازون موجود است. ارتقا 2025 در سانفرانسیسکو 9-10 آوریل 2025 برگزار می شود.