基於光的圖像的發電機不使用電源

II圖像生成器使用光來生產圖像，而不是普通的計算設備，可以消耗數百倍的能量。

當人工智能模型從文本中產生圖像時，通常使用稱為擴散的過程。 AI首先顯示了大量圖像集合，並顯示瞭如何使用統計噪聲銷毀它們，然後在一組規則中對這些模板進行編碼。當他們給他一個新的嘈雜圖像時，它可以使用這些規則在相反的方向上執行相同的操作：通過許多步驟，它朝著相干圖像的方向工作，這與此文本請求相對應。

對於具有高分辨率的現實圖像，擴散使用許多一致的階段，需要大量的計算能力。在四月， Openai報導 他的新圖像生成器在工作的第一周創造了超過7億張圖像。為了滿足這種需求規模，控制模型的電源和酷機需要大量的能量和水。

現在， Aidogan Ozkan 在加利福尼亞大學的洛杉磯分校及其同事們，基於擴散的圖像的生成器，它使用一片光線進行了工作。儘管編碼過程是數字化的，需要少量的能量，但解碼過程完全基於世界，這不需要計算能力。

“與需要數百到數千個迭代步驟的數字擴散模型不同，此過程可以在圖片中產生圖像，而無需在初始編碼之外進行其他計算。

該系統首先使用數字編碼器，該數字編碼器使用這些圖像的公開可用集訓練，這些圖像可以創建靜態，可以將其轉換為圖像。然後，他們將該編碼器與稱為“空間光調製器”（SLM）的液晶屏幕使用，該屏幕可以在激光束中物理捕獲該靜態。當激光光束穿過第二個解碼SLM時，它立​​即在相機記錄的屏幕上創建了所需的圖像。

Ozkan和他的團隊使用他們的系統來生產簡單對象的黑白圖像，例如1到9的數字或基本衣服，用於測試擴散模型，以及Vincent Van Gogh風格的全彩色圖像。總體上看起來類似地看，它們是由普通圖像發生器製成的。

“這也許是第一個例子，當光學神經網絡不僅是實驗室玩具，而且是可以獲得實際價值結果的計算工具時，” 亞歷山大·列夫夫斯基 在牛津大學。

對於Van Gogh風格的圖像，該系統僅用於圖像的大約幾百萬個能量，主要用於液晶屏幕，而數百或數千個需要普通擴散模型的焦耳。 Levvsky說：“將來提出這一點，後者等同於一秒鐘內消耗電力水壺的電量，而光學機器的消耗將對應於每秒幾百萬。”

雖然該系統應適用於數據處理中心，而不是廣泛使用的圖像生成工具，但Ozcan說，由於低功率要求，使用可穿戴電子設備（例如AI點）。