چیپ هوشمند IBM توانایی یادگیری و تصمیم گیری خواهد داشت

به گزارش کلیک، تراشه های کامپیوتری آی بی ام به نام TrueNorthبه منظور تقلید از عملکرد مغز انسان طراحی شده اند. شرکت در حال حاضر در حال اجرای آزمایش ها و بنچمارک TrueNorth است تا سرعت بسیار بالا و کم مصرف بودن چشمگیر این چیپ ها را در مقایسه با کامپیوترهای امروزی به رخ بکشد.

نتایج حاصل از این مسابقه سر به سر قابل توجه است. آی بی ام معتقد است که TrueNorth می تواند در فرایند یادگیری عمیق شرکت کند و بر اساس ارتباطات و احتمالات به تصمیم گیری بپردازد؛ کاملا شبیه به مغز انسان. این درحالی است که چیپ های مذکور IBM تمام این فرایند را تنها با مصرف کسری از توان مورد استفاده توسط کامپیوترهای امروزی انجام می دهد که در نوع خود قابل توجه است و یک مزیت رقابتی به شمار می رود.

ظرفیت یادگیری و محاسبات یک تراشه TrueNorth می تواند امکانات تعبیه اطلاعات هوشمند را از پشته محاسباتی از اینترنت اشیا به گوشی های هوشمند، رباتیک، ماشین، محاسبات ابری، و حتی ابر رایانش را فراهم آورد.

آی بی ام در اوایل سال جاری این تراشه را در یک کامپیوتر جدید به نام NS16e مورد استفاده قرار داد که پس از مغز مدل نشان داده است. کامپیوتر مذکور را می توان برای تصویر، گفتار، و تشخیص الگو از طریق یک شبکه عصبی از واحد های پردازش استفاده کرد.

مغز انسان دارای ۱۰۰ میلیارد نورون است که از طریق تریلیون اتصالات به نام سیناپس با یکدیگر ارتباط برقرار می کنند. یکی از این بخش ها به نام کرتکس، مسئول تشخیص بصری است، در حالی که بخش های دیگر مسئول عملکرد حرکتی هستند.

مانند مغز، NS16e دارای "نورون های دیجیتال" است، اما با این تفاوت که در مقیاس کوچکتر تعبیه شده است و ۱۶ تراشه TrueNorth در سیستم خود دارد. هر تراشه TrueNorth دارای ۱ میلیون نورون و ۲۵۶ میلیون سیناپس است که از طریق مدار متصل شده اند. NS16e حافظه، محاسبات و ارتباطات زیر سیستم ها را دوباره طراحی کرده است تا پردازش داده را با بهره وری بالا از نیروی برق تسهیل کند.

آی بی ام اعلام کرد: پردازنده TrueNorth می تواند داده های تصویری از ۱۲۰۰ تا ۲۶۰۰ فریم در ثانیه را تنها با مصرف ۲۵-۲۷۵ میلی وات توان طبقه بندی کند. این پردازنده می تواند الگوها را از تصاویر تولید شده توسط ۵۰ تا ۱۰۰ دوربین در ۲۴ فریم در ثانیه تشخیص دهد. جالب است بدانید فرایند مذکور تنها توسط یک گوشی هوشمند و آن هم بدون نیاز به شارژ مجدد در طی چندین روز انجام می دهد!

بنا بر توضیحات بالا، چنین فرایندی از لحاظ قدرت بسیار کارآمد تر از سرورهای امروزی است که وابسته به تراشه های مرسوم مانند پردازنده های گرافیکی، پردازنده ها و FPGA ها برای تصویر و تشخیص گفتار هستند. فیس بوک، گوگل، مایکروسافت و بایدو از "یادگیری عمیق" برای تخمین پاسخ های مربوط به تصویربرداری و تشخیص گفتار استفاده می کنند. این سیستم های "یادگیری عمیق" عمدتا توسط GPU هایی مدیریت می شوند که بیشتر از ۱۵۰ وات توان مصرف می کنند.

TrueNorth شرکت آی بی ام از الگوریتم ها و مدل های یادگیری استفاده می کند که شامل شناسایی الگوها و ایجاد ارتباط میان گذشته و داده های فعلی است. الگوریتم ها هنوز برای مدل های مختلف یادگیری تولید می شوند، اما این تراشه می تواند با سیستم های موجود مانند MatConvNet استفاده می شود. اساسا، توسعه دهندگان می توانند مدل های یادگیری را در MatConvNet ایجاد کنند تا سپس TrueNorth پردازش پس زمینه را انجام دهد. این بدان معنا است که توسعه دهندگان نیازی به به دخالت در روند کار TrueNorth ندارند.خوشا به حالشان!

فرایند بالا شبیه به روزهای اولیه توسعه بازی ها است که در آن برنامه نویسان عملا نیازی به کار با GPU ها نداشتند؛ تقریبا بسیاری از آن ها حتی چگونگی بهره برداری از ویژگی های بر روی تراشه(on-chip) را نمی دانستند! وولکان به تازگی OpenGL APIs ها را جایگزین کرد و امکان دخالت برنامه نویسان و بهره برداری از GPU را فراهم کرد؛ بدین ترتیب برنامه نویسان که هم جهیزات بیشتری در اختیار دارند و هم علم بالاتری، بتوانند از قابلیت های "روی چیپ" استفاده لازم را ببرند.

شایان ذکر است که پتانسیل "یادگیری عمیق" حتی در ماشین های خودران خود را نشان داده است؛ این خودرو ها با استفاده از کامپیوترهای قدرتمند توسط سیگنال های تشخیص، خطوط، و اشیاء دیگر حرکت می کنند. مانند تراشه هایی که در اتومبیل و سرور ها استفاده می شود، تراشه TrueNorth عمل پردازش سطح پایین در هر نورون را انجام می دهد تا آن ها با یکدیگر گره بخورند و سپس یک شی در یک تصویر و یا یک صدا تشخیص داده شود که این روش حتی توسط اینتل و انویدیا نیز در مگا تراشه ها مورد استفاده قرار می گیرد که البته توان بسیار بیشتری نسبت به TrueNorth مصرف می کنند.

واقعیت این است که این هنوز آغاز کار تراشه TrueNorth آی بی ام است. این شرکت قصد دارد برای ساخت یک کامپیوتر با این تراشه در مقیاس مغز انسان وارد عمل شود، اما بخشی از این چالش توسعه الگوریتم ها و برنامه های کاربردی برای یک کامپیوتر بزرگ است.

آی بی ام توسعه تراشه های شبیه مغز انسان را در سال ۲۰۰۴ آغاز کرد و در سال ۲۰۰۹ یک مدل کامپیوتری را در مقیاس مغز یک گربه شبیه سازی کرد. یک تراشه نمونه در سال ۲۰۱۱ تعداد ۲۵۶ نورون دیجیتال داشت و از قابلیت شناسایی الگو برخوردار بود. با توجه به مسائل مذکور، رویای تولید یک کامپیوتر کامل با تراشه ای که با از مغز تقلید شده، هنوز کمی دور از دسترس به نظر می رسد.

آی بی ام همچنین در حال ساخت کامپیوتر کوانتومی به عنوان یک گزینه برای جایگزینی رایانه های شخصی و سرورها امروزی است که بر اساس طراحی کامپیوترهای چند دهه گذشته است. تراشه های دیگر که به تقلید مغز انسان می پردازند، توسط شرکت هیولت پاکارد، دانشگاه استنفورد، دانشگاه هایدلبرگ در آلمان و دانشگاه منچستر در انگلستان در حال توسعه هستند.