ثبت بازخورد

لطفا میزان رضایت خود را از دیجیاتو انتخاب کنید.

واقعا راضی‌ام
اصلا راضی نیستم
چطور میتوانیم تجربه بهتری برای شما بسازیم؟

نظر شما با موفقیت ثبت شد.

از اینکه ما را در توسعه بهتر و هدفمند‌تر دیجیاتو همراهی می‌کنید
از شما سپاسگزاریم.

تکنولوژی

چیپ کم مصرف MIT انجام وظایف سنگین مرتبط با هوش مصنوعی را برای موبایل ها میسر می کند

روز گذشته تیمی از محققان موسسه فناوری ماساچوست نوعی چیپ کامپیوتری جدید معرفی نمودند که برای یادگیری عمیق بهینه سازی گشته و دستاورد ارزشمندی در حوزه هوش مصنوعی به شمار می رود. چیپ یاد شده که ...

فروغ بیداری
نوشته شده توسط فروغ بیداری | ۱۸ بهمن ۱۳۹۴ | ۱۵:۳۰

روز گذشته تیمی از محققان موسسه فناوری ماساچوست نوعی چیپ کامپیوتری جدید معرفی نمودند که برای یادگیری عمیق بهینه سازی گشته و دستاورد ارزشمندی در حوزه هوش مصنوعی به شمار می رود.

چیپ یاد شده که Eyeriss نام دارد، دستگاه های الکترونیکی همراه را قادر می سازد تا کارهایی همانند پردازش طبیعی زبان و تشخیص چهره را بدون اتصال به اینترنت به انجام برساند.

این جدیدترین تلاش علمی در راستای آسان سازیِ روند بسیار پیچیده ی یادگیری ماشینی به شمار می رود. به این مفهوم که اسمارت فون ها، گجت های پوشیدنی، ربات ها، ماشین های خودران و دیگر وسایل مبتنی بر اینترنت اشیاء از این پس قادر خواهند بود پروسه ی پیچیده ی یادگیری عمیق را به راحتی انجام دهند.

تا به امروز این روند پاشنه آشیل علوم تکنولوژی به شمار می رفت و جامه ی عمل پوشاندن به آن به هیچ عنوان آسان نبود زیرا یادگیری عمیق که یکی از زیر شاخه های یادگیری ماشینی محسوب می گردد، نیازمند حجم گسترده ای از پردازش های کامپیوتری است.

پردازنده های گرافیکی که وظیفه ی رندر گرافیک های کامپیوتری را به عهده دارند بهترین گزینه برای انجام چنین فعالیت هایی به شمار می روند. اما استفاده از آنها مشکلات خاصی هم دارد و یکی از آنها انرژی زیادی است که برای انجام کارهای خود مصرف می نمایند. به همین لحاظ است که نمی توان از آنها برای یادگیری عمیق در دستگاه های پرتابل استفاده کرد.

تنها راهکار استفاده از این پردازشگرها برای چنین مقاصدی نیز این است که اطلاعات خام توسط دیوایس گردآوری گشته و در اینترنت آپلود گردد، سپس در سرورهای قدرتمند GPU یادگیری عمیق صورت پذیرد و در آخر نیز نتیجه ی آن از طریق اینترنت به همان دستگاه بازگردانده شود.

این روند نیز مشکلاتی در پی دارد که Eyeriss برای رفع آنها به وجود آمده. نخست اینکه اگر دستگاه موبایل شما نتواند اتصال اینترنتی داشته باشد، آنگاه قادر نیست فعالیت های یادگیری عمیق را به انجام برساند. (به طور مثال، Siri به قدرت پردازشی زیادی برای تشخیص صحبت ها نیاز دارد به همین دلیل است که تا به سرور اپل در وب وصل نگردد نمی تواند وظایفش را انجام دهد.)

هنگامی که کاربر خودش به اینترنت وصل می شود، طبیعتا اطلاعاتی که به سرورها آپلود می گردند شخصی خواهند بود و همین مسئله بستر بسیاری از مشکلات امنیتی به شمار می رود. حتی مشکل تاخیر در فرایند ارسال داده ها از موبایل به سرورها و بازگشت آنها نیز مطرح می گردد. پیرو همین امر، محققان ادعا نموده اند Eyeriss به صورتی طراحی گشته که این روند را تا 10 برابر بهتر و سریع تر انجام می دهد؛ به این مفهوم که تمام فعالیت های یاد شده را می توانید در کوتاه ترین زمان و با کمترین میزان مصرف انرژی به انجام برسانید.

خوب است بدانید تا پیش از معرفی چیپ Eyeriss، شرکت های متفاوتی به استفاده از این فناوری روی آورده بودند و محصولاتی نیز در این راستا طراحی و تولید نموده اند. به طور مثال، کوالکام در نمایشگاه CES امسال از چیپست های اسنپدراگون 820A و 820Am رونمائی کرد که به ماشین ها اجازه می دهند با استفاده از یادگیری عمیق بتوانند علائم راهنمائی و رانندگی و خطوط خیابان ها را تشخیص دهند. یا می توان به انویدیا اشاره کرد که در نمایشگاه لاس وگاس از چیپست های تگرایی رونمائی نمود که با استفاده از علوم یادگیری عمیق می توانند در ماشین های خودران مورد استفاده قرار بگیرند.

همچنین بد نیست بدانید گوگل نیز اخیرا با کمپانی Movidius که در حوزه ساخت چیپست فعالیت می نماید، وارد همکاری شده تا با کمک هم قابلیت تسخیص چهره را در تلفن های هوشمند توسعه داده و بهینه سازی کنند.

محققان MIT به سرپرستی Vivienne Sze از بخش علوم کامپیوتری و مهندسی برق دانشگاه ماساچوست، این چیپ را در کنفرانس جهانی SSC در سان فرانسیسکو معرفی نمودند. اما در مورد اینکه این محصول چه زمانی به تولید انبوه خواهد رسید و شاهد حضور آن در دیوایس های الکترونیکی خواهیم بود هنوز اطلاعاتی اعلام نشده است.

دیدگاه‌ها و نظرات خود را بنویسید
مطالب پیشنهادی