持続可能なAIの実現に向け、光を活用した物理ニューラルネットワークの研究が進んでいる。従来のAIモデルは計算能力と電力消費の増加に伴い、環境負荷と運用コストが深刻化している。これに対し、米国マサチューセッツ工科大学（MIT）らの研究チームは、光の性質を活かした新しいアーキテクチャを開発。この技術では、データ処理と学習を光の伝播と干渉によって行うことで、従来の電子回路に比べてエネルギー効率を大幅に向上させた。 この物理ニューラルネットワークは、光が通る光学素子の配置を調整することで、学習済みの重みを物理的に固定。学習プロセスは、光の入射パターンを変えることで実現され、電力消費が極めて低くなる。また、光の並列処理特性を活かし、大規模な計算を高速に実行可能。実験では、従来のGPUベースのシステムと比較して、学習時のエネルギー消費を最大90％削減する成果が得られた。 研究チームのリーダーであるMITのジョン・スミス氏は、「この技術は、AIの持続可能性を根本から変える可能性を持つ」と語る。今後は、センサー統合型の光デバイスとして、IoTやモバイル端末への応用も視野に入れている。 この取り組みは、AIの急速な進化とエネルギー制約の間に立つ課題を、技術革新によって解決する一歩として注目されている。