سیستم متوهم

مهندسان تراشه‌هایی ترکیبی با پردازنده‌ و حافظه ساخته‌اند که می‌تواند الگوریتم‌های هوش مصنوعی را روی دستگاه‌هایی که با باتری کار می‌کنند؛ اجرا کند.

تعاملات بین پردازنده‌ها و حافظه برای اجرای الگوریتم‌های یادگیری ماشین و هوش مصنوعی، به انرژی زیادی نیاز دارد که عمر باتری را به شدت کاهش می‌دهد. تیمی از مهندسان با بهره بردن از هشت تراشه‌ی ترکیبی، سیستمی را طراحی کرده‌اند که می‌تواند سریع‌تر و با انرژی کمتر الگوریتم‌های هوش مصنوعی را اجرا کند.

اگر ساعت‌های هوشمند و سایر وسایل الکترونیکی که با باتری کار می‌کنند، بتوانند الگوریتم‌های هوش مصنوعی را اجرا کنند، هوشمندانه‌تر خواهند شد. تاکنون تلاش‌ها برای ساخت تراشه‌هایی با قابلیت هوش مصنوعی برای دستگاه‌های تلفن همراه موفقیت‌آمیز نبوده‌است. این مشکل که به اصطلاح به آن "دیوار حافظه" می‌گویند، پردازش داده‌ها و تراشه‌های حافظه را جدا می‌کند. این دو باید با هم کار کنند تا بتوانند نیازهای محاسباتی گسترده و در حال رشد الگوریتم‌های AI را برآورده کنند.

اکنون، تیمی از محققان حوزه‌ی کامپیوتر استنفورد، با استفاده از هشت تراشه‌ی ترکیبی، که هر کدام پردازنده‌ی داده‌ی مخصوص خود را دقیقاً در کنار حافظه‌ی ذخیره‌سازی خود دارد، سیستمی طراحی کرده‌اند که می‌تواند کارهای AI را سریعتر و با صرف انرژی کمتری انجام دهد.

این مطالعه بر اساس پژوهش‌های قبلی همین تیم، که در مورد توسعه‌ی فناوری جدید حافظه به نام RRAM بود، انجام شده‌است. در فناوری RRAM داده‌ها مانند حافظه‌ی فلش حتی در هنگام خاموش شدن جریان، ذخیره می‌شوند؛ فقط سریع‌تر و با مصرف انرژی بیشتر. ساخت RRAM محققان استنفورد را قادر ساخت نسل قبلی تراشه‌های ترکیبی را که به تنهایی کار می‌کردند، تولید کنند. آخرین طراحی آن‌ها شامل یک عنصر جدید و مهم است: الگوریتم‌هایی که هشت تراشه ترکیبی جداگانه را در یک موتور پردازش هوش مصنوعی با مصرف انرژی مناسب ادغام می‌کنند.

میترا محقق ارشد این پروژه گفته‌است : "اگر می‌توانستیم یك تراشه عظیم و متعارف با تمام پردازش‌ها و حافظه مورد نیاز بسازیم، این كار را انجام می‌دادیم، اما مقدار اطلاعاتی كه برای حل مسائل هوش مصنوعی لازم است، این را به یك رویا تبدیل می‌كند. در عوض، ما هیبریدها را فریب می‌دهیم، به این گونه که فکر می‌کنند آن‌ها یک تراشه هستند، به همین دلیل است که ما این سیستم را "سیستم متوهم" (Illusion System) می‌نامیم."

محققان این سیستم را به عنوان بخشی از برنامه‌ی ERI که یک برنامه ۱.۵ میلیارد دلاری، تحت حمایت آژانس پروژه‌های تحقیقات پیشرفته‌ی دفاعی (DARPA) است، توسعه دادند. DARPA، که بیش از ۵۰ سال پیش به شکل‌گیری اینترنت کمک کرد، در حال تحقیق در مورد قانون مور (Moore's Law) است که با کوچک کردن ترانزیستورها موجب پیشرفت‌های الکترونیکی شده‌است.

یکی دیگر از محققان این پروژه گفته‌است: "برای عبور از محدودیت‌های الکترونیک معمولی، ما به فناوری‌های سخت افزاری جدید و ایده‌های جدید در مورد نحوه‌ی استفاده از آن‌ها نیاز خواهیم داشت."

این تیم با کمک همکاران موسسه تحقیقاتی CEA-Leti فرانسه و دانشگاه فناوری Nanyang سنگاپور، نمونه‌ی اولیه‌ی تراشه را ساخت و آزمایش کرد. طراحی این سیستم، آغاز کار بود، آن‌ها در شبیه‌سازی‌ها نشان دادند که چگونه یک سیستم دارای ۶۴ تراشه‌ی ترکیبی می‌توانند با استفاده از یک هفتم انرژی بیشتر، هفت برابر سریعتر از پردازنده‌های فعلی برنامه‌های هوش مصنوعی را اجرا کنند.

چنین توانایی‌هایی می‌تواند روزی سیستم‌های Illusion را به مغز عینک‌های واقعیت افزوده و تقویت شده تبدیل کند که از شبکه‌های عصبی عمیق برای یادگیری استفاده می‌کنند.

این تیم همچنین الگوریتم‌های جدیدی را برای اجرای مجدد برنامه‌های هوش مصنوعی موجود، که برای پردازنده‌های امروزی نوشته شده‌اند، توسعه دادند تا برای کار با سیستم‌های جدید چند تراشه‌ای مناسب باشد. فیس‌بوک به این تیم کمک کرد تا برنامه‌های هوش مصنوعی خود را آزمایش کند، آن‌ها توانستند این برنامه‌ها را تایید کنند. هدف بعدی این تیم، شامل افزایش توانایی پردازش و حافظه‌ی تراشه‌های ترکیبی منفرد و نشان دادن نحوه‌ی تولید انبوه ارزان قیمت آن‌هاست.

ونگ یکی از محققان این مطالعه، معتقد است Illusion Systems می‌تواند ظرف سه تا پنج سال، آماده فروش شود. همچنین ونگ گفت: "این واقعیت که نمونه‌ی اولیه ساخته شده، همان طور که انتظار داشتیم کار می‌کند نشان می‌دهد که ما در مسیر درستی قرار گرفته‌ایم."

منبع: https://www.sciencedaily.com/releases/2021/01/210111112151.htm

لینک مقاله: https://www.nature.com/articles/s41592-020-01010-5

کلید واژه ها: #تراشه‌ی ترکیبی #هوش مصنوعی #یادگیری ماشین #کدکول #بیوانفورماتیک