Af Aksel Brinck, Alt om Data
Denne artikel er oprindeligt bragt på Alt om Data. Computerworld overtog i november 2022 Alt om Data. Du kan læse mere om overtagelsen her.
Det er jo lige, før man har dårlig samvittighed over at søge på Google eller surfe rundt på nettet. Internettet sviner med strømmen, populært sagt, får al den "usynlige" aktivitet foran computer-, tablet- og mobilskærme står for hele ni procent af det globale elforbrug. Men forbruget kan skæres ned ved hjælp af maskinlæring og kunstig intelligens, mener forskere fra DTU.
Der bliver brug for løsninger. For allerede inden for de næste 10 år vil behovet for datakapacitet og båndbredde stige voldsomt som følge af alle de ting i vores samfund, der hele tiden bliver koblet til internettet. Der er derfor brug for at finde metoder til at sætte fart på udviklingen af energieffektiv teknologi, som kan sikre et "grønt internet" i fremtiden. Det mener Darko Zibar, som er nyudnævnt professor på DTU Fotonik (billedet). Han er ikke i tvivl om, hvad der kunne drive en positiv udvikling fremad.
”Maskinlæring og andre intelligente systemer kan spille en nøglerolle, og det er derfor nødvendigt, at vi forsker i det felt, hvis vi skal nå FN’s Verdensmål om bæredygtig udvikling og nedbringe verdens CO2-udslip.
De næste generationer af optiske kommunikationssystemer bliver så komplekse, at maskinlæring vil være en relativt hurtig måde at finde frem til løsninger, hvor vi kan transportere enorme mængder data på den mest energieffektive måde,” lyder det fra Darko Zibar.
Analyserer enorme mængder data
Fordelen ved maskinlæring er, at computeren er i stand til at analysere enorme mængder data og selv finde frem til algoritmer og sammenhænge uden at være forprogrammeret.
”Vi kan bruge maskinlæring til at finde frem til modeller, der kan beskrive forholdet mellem sender og modtager, når vi udvikler lasere, frekvenskamme, netværk mv., der skal transportere store mængder data. Der er nemlig mange faktorer, der skal tages højde for i de optiske systemer, når vi skal finde den mest energieffektive løsning. Det gælder for eksempel båndbredde, kanaleffekt, frekvensstøj, trafikrute og meget mere,” siger Darko Zibar.
Kvanteteknologi komplicerer udviklingen
Han forklarer, at det stigende fokus på kvanteteknologi til at forbedre internetsikkerheden gør opgaven med at designe optiske kommunikationsløsninger endnu mere udfordrende, fordi det kræver sameksistens og styring af klassiske kanaler og kvantekanaler i det samme optiske netværk. Det skaber behov for udvikling af intelligente optiske modtagere, der kan skelne mellem klassiske signaler og kvantesignaler, så også her er det nødvendigt at anvende maskinlæring og kunstig intelligens i udviklingen.
”Der vil også være potentiale i at bruge kunstig intelligens i optiske målesystemer. For eksempel kan de nuværende optiske instrumenter, som man bruger til at analysere kvaliteten af signalet med, ikke skelne mellem forskellige forstyrrelser og afgøre, om de stammer fra transmissionskanalen eller selve komponenterne. Hvis signalanalysatorer kan lære at skelne mellem de forskellige forstyrrelser, vil vi kunne designe mere effektive sendere og modtagere ud fra signalbehandlingsalgoritmerne,” forklarer han.
Darko Zibar og hans gruppe er nu i fuldt sving med at forske i områder, hvor de mener, at maskinlæring og kunstig intelligens vil få indflydelse på næste generations optiske kommunikationssystemer.
