اگر تا امروز فکر میکردید فیبر نوری فقط برای انتقال سریعتر اینترنت، تماسهای تصویری و پخش آنلاین فیلم به کار میرود، وقت آن رسید نگاهتان را عوض کنید. گروهی از پژوهشگران مؤسسه فناوریهای فوتونیک آستون در انگلستان، در مقالهای که به تازگی در نشریه معتبر بینالمللی Nature Communications منتشر شده، نشان دادند که همان قطعات استاندارد و شناخته شدهی صنعت فیبر نوری میتوانند پایه و اساس یک نوع هوش مصنوعی کاملاً نوری باشند. هوش مصنوعیای که به جای برق و الکترون، با نور فکر میکند و تصمیم میگیرد.
چرا اصلاً هوش مصنوعی نوری؟
امروز تقریباً همهی هوش مصنوعیهایی که میشناسیم، از ChatGPT تا سیستمهای تشخیص چهره، روی تراشههای الکترونیکی اجرا میشوند. این تراشهها با جریان الکترون کار میکنند و هرچه محاسبات پیچیدهتر و حجیمتر شود، مصرف برق و گرمای تولیدی هم بیشتر میشود. همان چیزی که امروز دیتاسنترهای بزرگ دنیا را به یکی از بزرگترین مصرفکنندگان انرژی تبدیل کرده است.
از سوی دیگر، نور از الکتریسیته سریعتر حرکت میکند و به طور طبیعی میتواند مسیرهای موازی و پرحجم اطلاعات را بدون تداخل جابهجا کند. همان ویژگی که باعث شد فیبر نوری، ستون فقرات اینترنت جهانی باشد. سالهاست دانشمندان رویای ساخت هوش مصنوعی نوری را در سر دارند تا از همین سرعت و کارایی برای پردازش اطلاعات هم استفاده کنند، نه فقط برای انتقال آن.
مشکل اصلی تا امروز چه بود؟
مشکل بزرگ روی میز محققان این بود: مغز هر هوش مصنوعی، به یک بخش غیرخطی نیاز دارد. یعنی جایی که سیستم بتواند تصمیمهای خاص و غیرقابل پیش بینی بگیرد، نه فقط جمع و ضرب ساده انجام دهد. تا پیش از این، برای ایجاد این غیرخطی بودن، سیگنال نوری مجبور بود وسط مسیر به سیگنال الکتریکی تبدیل شود، پردازش شود، و دوباره به نور بازگردد. این رفت و برگشت مداوم بین نور و برق دقیقاً همان چیزی بود که تمام مزیت سرعت نور را از بین میبرد. درست مثل یک دوندهی سریع که مجبور است وسط مسابقه بایستد، کفشهایش را عوض کند و دوباره بدود.
راه حل تازه ساخت هوش مصنوعی با استاندارد فیبر نوری: شبکههای کولموگروف-آرنولد نوری
تیم پژوهشی آستون سراغ یک معماری نسبتاً جدید و پرطرفدار در دنیای هوش مصنوعی رفتند به نام شبکههای کولموگروف-آرنولد (یا به اختصار KAN). برخلاف شبکههای عصبی معمولی که وزنهای ثابت روی گرههایشان دارند، این شبکهها توابع غیرخطی قابل یادگیری را روی یالها و مسیرهای اتصال قرار میدهند. یعنی هوشمندی شبکه در چند نقطهی محدود اما بسیار مؤثر متمرکز میشود.
نکتهی جذاب و کاربردی این پژوهش دقیقاً همینجاست. پژوهشگران برای ساخت هر یک از این نقاط هوشمند، به جای طراحی قطعات جدید و گران قیمت آزمایشگاهی، از تجهیزاتی استفاده کردند که همین امروز در شبکههای فیبر نوری و مخابراتی دنیا در حال کار هستند، از جمله:
- تداخل سنج مک-زندر (Mach-Zehnder Interferometer): قطعهای پرکاربرد در مدولاتورهای نوری فیبر نوری که برای کنترل دقیق سیگنال نور استفاده میشود.
- تقویت کننده نوری نیمه هادی (SOA): نمونهای از همان آمپلی فایرهایی که در مسیرهای طولانی فیبر نوری، سیگنال ضعیفشده را دوباره تقویت میکنند.
- تضعیف کننده نوری متغیر (VOA): برای تنظیم دقیق شدت نور در طول مسیر.
ترکیب این سه قطعه، یک «ماژول» با چهار پارامتر قابل تنظیم میسازد که رفتار آن از ترکیب اشباع بهرهی نوری و تداخل امواج نور به دست میآید. دقیقاً همان چیزی که برای ایجاد غیرخطی بودن مورد نیاز هوش مصنوعی لازم است.
نتایج آزمایشها چه بود؟
پژوهشگران عملکرد این شبکهی نوری را در دو سناریوی مختلف آزمایش کردند:
یک شبکه با تنها ۴ ماژول نوری، توانست مسائل طبقه بندی غیرخطی را با دقت ۹۴.۳ درصد (با انحراف معیار ۳.۹ درصد در ده بار تکرار آزمایش) حل کند.
یک شبکهی بزرگتر با ۷ ماژول، در یک مسئلهی رگرسیون با شش ورودی مختلف، به ضریب تعیین (R²) معادل ۰.۹۸۶ رسید؛ یعنی پیش بینیهای آن تقریباً با دقت ۹۹ درصد با مقادیر واقعی تطابق داشت.
نکتهی مهمتر اینکه این عملکرد حتی وقتی ورودی سیگنال محدود (۶ بیتی) و نسبت سیگنال به نویز پایین (۱۴ دسیبل یعنی شرایطی مشابه با نویز واقعی شبکههای مخابراتی) بود، همچنان پایدار باقی ماند. این یعنی سیستم صرفاً یک نمونهی آزمایشگاهی حساس و شکننده نیست، بلکه در شرایط نزدیک به واقعیت هم کار میکند.
چرا این خبر برای صنعت فیبر نوری اهمیت دارد؟
از دید یک کاربر یا فعال صنعت فیبر نوری، جذابترین بخش این پژوهش، انتخاب قطعات آن است. محققان بهجای رفتن سراغ فناوریهای ناشناخته و آزمایشگاهی، از همان تجهیزاتی استفاده کردهاند که در حال حاضر تولید انبوه میشوند. همچنین استاندارد هستند و در بازار قیمت مشخص و در دسترسی دارند. این انتخاب درست یعنی مسیر رسیدن این فناوری از آزمایشگاه به بازار، به طور بالقوه بسیار کوتاهتر از فناوریهای نوری رقیب خواهد بود. زیرساختهای فیبر نوری موجود، میتوانند در آینده نهتنها برای انتقال اطلاعات، بلکه برای پردازش داده در همان مسیر انتقال هم به کار گرفته شوند. شرکتهای فعال در حوزهی تجهیزات فیبر نوری و مخابرات، ممکن است در سالهای آینده شاهد تقاضای تازهای برای همین قطعات آشنا، اما با کاربردی کاملاً جدید باشند.
گام بعدی چیست؟ بر اساس آنچه در مقاله آمد، این پژوهش تاکنون عمدتاً بر پایهی یک مدل فیزیکی دقیق و کاملاً قابل بهینه سازی انجام شد. که امکان آموزش سرتاسری (end-to-end) این ماژولهای نوری استاندارد را فراهم میکند. گام بعدی تیم تحقیقاتی، پیاده سازی و آزمایش عملی این طراحی در محیط واقعی آزمایشگاهی خواهد بود تا مشخص شود این نتایج امیدوارکننده، در دنیای واقعی هم قابل تکرار هستند یا نه.
سخن آخر
فیبر نوری، دیگر صرفاً یک جادهی سریع برای عبور اطلاعات نیست. پژوهش جدید دانشگاه آستون نشان میدهد که ابزارهای آشنای همین صنعت همانهایی که شاید همین امروز در تجهیزات شبکهی شما نصب باشند میتوانند پایه و اساس نسل بعدی هوش مصنوعی را هم بسازند. اگر این مسیر ادامه پیدا کند، شاید در آیندهای نهچندان دور، بخشی از پردازشهای هوشمند به جای دیتاسنترهای عظیم و پرمصرف، مستقیماً درون همان بستر فیبر نوریای انجام شود که امروز فقط برای انتقال اینترنت میشناسیم.