Οι μονάδες επεξεργασίας γραφικών (GPU) έχουν αναδειχθεί ως βασικά στοιχεία στην εκπαίδευση συστημάτων τεχνητής νοημοσύνης, επειδή είναι καλύτερες στην εκτέλεση παράλληλων υπολογισμών από τις κεντρικές μονάδες επεξεργασίας (CPU). Όμως τα απαιτούμενα επίπεδα κατανάλωσης ενέργειας γίνονται μη βιώσιμα καθώς τα συστήματα γίνονται μεγαλύτερα λένε οι ειδικοί. Τα εξαρτήματα που βασίζονται στο φως θα μπορούσαν να είναι ένας τρόπος για να ξεπεραστούν οι περιορισμοί των συμβατικών ηλεκτρονικών συμπεριλαμβανομένων των προβλημάτων ενεργειακής απόδοσης.

Οι επιστήμονες περιέγραψαν προηγουμένως τον σχεδιασμό ενός νέου τύπου φωτονικού μικροτσίπ τον Φεβρουάριο, το οποίο χρησιμοποιεί φωτόνια, ή σωματίδια φωτός, αντί για ηλεκτρόνια για τη λειτουργία τρανζίστορ, τους μικροσκοπικούς μικροσκοπικούς ηλεκτρικούς διακόπτες που ανάβουν ή σβήνουν όταν εφαρμόζεται τάση. Σε γενικές γραμμές, όσο περισσότερα τρανζίστορ έχει ένα τσιπ, τόσο περισσότερη υπολογιστική ισχύ έχει και τόσο περισσότερη ισχύ χρειάζεται για να λειτουργήσει. Τα τσιπ που βασίζονται στο φως είναι πολύ λιγότερο ενεργοβόρα και μπορούν να εκτελέσουν υπολογισμούς πολύ πιο γρήγορα από τα παραδοσιακά τσιπ, καθώς μπορούν να εκτελέσουν υπολογισμούς παράλληλα.

Οι τρέχουσες αρχιτεκτονικές φωτονικών τσιπ για μοντέλα AI αποτελούνται από εκατοντάδες ή χιλιάδες παραμέτρους και μεταβλητές εκπαίδευσης. Αυτό τα καθιστά αρκετά ισχυρά για βασικές εργασίες, όπως η αναγνώριση προτύπων, αλλά τα μεγάλα γλωσσικά μοντέλα (LLM) όπως το ChatGPT εκπαιδεύονται χρησιμοποιώντας δισεκατομμύρια ή και τρισεκατομμύρια παραμέτρους.

Ένα σύστημα AGI πιθανότατα θα απαιτούσε πολλές τάξεις μεγέθους μεγαλύτερες ως μέρος ενός ευρύτερου δικτύου αρχιτεκτονικών τεχνητής. Σήμερα, τα σχέδια για την κατασκευή ενός συστήματος AGI δεν υπάρχουν.