原文刊于信报财经新闻「CEO AI⎹ EJ Tech」
当光线以不同强度穿过中间媒介，例如数码相机的传感器时，就可以用于加法及乘法运算。英国剑桥的微软研究院以坊间的零件，例如具备光学镜头的投影机、数码传感器，以及比人类发丝细很多倍的MicroLED，开发了第二代的「类比光学电脑」（AOC）原型。当中结合模拟电子学及三维光学技术，有望加速人工智能（AI）推理及组合最佳化，能源效率提升百倍，日后甚至可运行大型语言模型（LLM）。
团队今次建构的第二代AOC，主要以光线及类比讯号，取代传统的二进制运算；并将部分的运算任务，卸载到软件「数码孪生」。机身拥有256个权重（或称参数），比第一代的64个权重多出3倍。随着研究人员不断改进AOC，在机器增加更多MicroLED，最终可能达至数百万，甚至超过10亿个权重；加上零件趋向微型化，估计AOC的尺寸将愈来愈小。
快速处理复杂任务
有别于典型的二进制数码电脑，AOC依靠物理系统承载计算，突破数码运算的几个根本性限制，包括：避免计算与内存分离、同时处理连续数据及二进制数据，并采用异步操作，使电脑得以「光速」运行。微软研究院首席研究员格拉德罗（Jannes Gladrow），其专长是AI及机器学习，他指出，「AOC最重要一点是，我们估计它的能源效率提升了大约100倍。」在未来版本AOC运行的LLM，理论上可以用很少能量，就能处理复杂的推理任务。
以最佳化问题（Optimization Problems）为例，可从几乎无限的可能性中，找到最佳的解决方案，适用于金融、物流及医疗保健等领域。经典例子是「旅行推销员问题」，如果一位旅行推销员，试图在回家前只访问5个城市，继而规划一条最高效的路线，那么可能路线会有12条；但如果变成61个城市，那么潜在路线的数量，将超过数十亿条。
可应用于医疗金融场景
研究人员将AOC应用于两类场景，一类涉及磁力共振扫描（MRI），另一类涉及复杂的银行交易。首先在医疗保健领域，研究人员使用「数码孪生」重建MRI扫描，并获得较高精确度，理论上可将扫描时间，从30分钟缩短至5分钟。金融用例方面，由微软与巴克莱银行合作开展，并建模了一种货银两讫（DvP）算法，用于结算1800个假设方的2.8万笔交易。
微软指出，AOC专案是未来AI基建研究的一部分，正在创新及孵化新型的硬件技术，在AI及云端数码中心部署或使用。其跨学科团队涵盖了整个技术堆叠，在系统及网络、光学、机器学习、物理、数学及硬件上有丰富经验。研究团队已于学术期刊《自然光子学》发表论文，并于代码托管平台GitHub，公开分享其「最佳化求解器」算法，以及所开发的「数码孪生」，以便其他组织人员研究。
