دنیایی فراتر از موبایل؛ علت سرمایه گذاری کوالکام در یادگیری ماشینی، واقعیت مجازی و 5G چیست؟

کوالکام امسال چندین خبر بزرگ را اعلام کرد؛ این کمپانی ضمن معرفی نخستین مودم های نسل 5G خود از ارائه اینترنت LTE با سرعت گیگابیت خبر داد و همچنین وعده تولید نخستین پردازنده 10 نانومتری اش با همکاری سامسونگ را مطرح نمود.

این روزها انتظارات کاربران از تلفن های همراه خود به اموری فراتر از اجرای اپلیکیشن و انواع بازی مربوط می شود و همه اینها چالش های عدیده ای را پیش روی کوالکام قرار می دهد.

روند کنونی و تغییر مسیر کمپانی های تولید موبایل به سمت استفاده از دوربین دوگانه، مستلزم استفاده از سخت افزارهای سفارشی شده با قابلیت پردازش سیگنال های تصویر (ISP) است در حالی که فناوری هدست های واقعیت مجازی قابل اتصال به رایانه های شخصی و انواع مبتنی بر موبایل از جمله Gear VR سامسونگ و گوگل Daydream، نیازمند تغییراتی خلاقانه در جهت کاهش ضخامت پردازنده ها و رسیدن به ساختار متناسب با ابعاد موبایل ها است.

طی دو سال اخیر، این نوع تقاضاهای جدید سبب شده تا کوالکام نیز مسیر خود را در طراحی پردازنده ها تغییر دهد؛ حال به نظر می رسد هدف اصلی این است تا این کمپانی به بازاری فراتر از بازار تلفن های همراه وارد شود که نظیر آن را نیز هم اکنون در تولید پهپادها و هدست های واقعیت مجازی شاهد هستیم.

در حالی که قرار است پردازنده «اسنپدراگون 835»، پرچمدار طراحی خط تولید سال آینده کوالکام باشد، این کمپانی نیم نگاهی هم به توسعه فناوری های کنونی خود در زمینه دیوایس های اینترنت اشیاء کم مصرف خواهد داشت؛ محصولاتی که توانایی محاسباتی و یادگیری ماشینی را دارا خواهند بود. در ادامه به آنچه که کمپانی کوالکام تا کنون در این مسیر به آن دست یافته اشاره می شود.

یادگیری ماشینی و محاسبات ناهمگن

در حالی که بیشتر صحبتها پیرامون یادگیری ماشینی و یادگیری عمیق حول راهکارهای مبتنی بر محاسبات ابری متمرکز شده، اما شاهد موارد زیاد استفاده از یادگیری ماشینی هستیم که به خوبی روی دیوایس های EDGE (دستگاه هایی نظیر روتر که امکان ورود به شبکه های سازمانی را میسر می نمایند) و موبایل ها عمل می کند.

این همان جایی است که پیشرفت های صورت گرفته روی حوزه پردازش ناهمگن (محاسبات با دو یا چند پردازشگر) نقش بسیار مهمی پیدا می کند و کوالکام نیز هم زمان با معرفی چیپست «اسنپدراگون 810» خود، در این مسیر گام برداشت؛ درست همان کاری که دیگر شرکت ها با استفاده از تکنولوژی big.LITTLE شرکت ARM به آن دست زدند.

در فضای موبایل ها، برای نخستین بار با رونمایی از چیپست «اسنپدراگون 820» بود که حرف از محاسبات ناهمگن به میان آمد؛ یعنی درست زمانی که کوالکام برنامه ریزی های گسترده ای را برای بهبود عملکرد و مصرف انرژی هسته های چیپست تولیدی اش در زمان پردازش تصاویر و سایر وظایف انجام داد.

البته اینجا فقط صحبت درباره توزیع بار محاسباتی روی پردازنده مرکزی (CPU) و پردازنده گرافیکی (GPU) نیست بلکه کوالکام مدتهاست از واحدهای پردازش هگزاگون DSP و اسپکترا ISP برای کاهش این بار استفاده نموده است.

ایده اصلی کوالکام در انتخاب کارآمدترین قطعات برای انجام وظایف سیستمی این است که باید عملکرد آن قطعه به میزان قابل توجهی افزایش یافته و در عوض میزان مصرف انرژی اش کاهش بیابد.

این روند قطعا یکی از مهمترین بخش ها در استراتژی کوالکام خواهد بود به خصوص وقتی که قرار است از آن توام با یادگیری ماشینی برای ارتقای مشخصات و امکانات در دسترس مشتریان، استفاده شود. نمونه های کاربرد یادگیری ماشینی بسته به نوع سخت افزار بسیار متفاوت خواهد بود و تنها به تولیدات موبایلی محدود نخواهد شد.

بازار خودرو، پهپادها و خانه‌ های هوشمند، همگی بهترین نقطه شروع برای استفاده از یادگیری ماشینی هستند و به لطف این تکنولوژی کارایی بیشتری می یابند.

این استفاده می تواند طیف وسیعی را در بر بگیرد و از تشیص اشیا و صدا گرفته تا خودروهای بدون راننده را شامل می شود. در واقع، کوالکام هم اکنون یک پردازنده انحصاری «اسنپدراگون 820» برای خودروهای خودران (بدون راننده) دارد که با بهره گیری از یادگیری ماشینی و قابلیت ارتباطاتی طراحی شده است؛ گرچه قابلیت های اصلی این پردازنده بسیار شبیه تراشه های مورد استفاده در تلفن های هوشمند است.

سایر مثال ها درباره یادگیری ماشینی می تواند شامل بهبود امنیت دیوایس از طریق تکنولوژی تشخیص چهره و صدا یا گرفتن یک عکس به کمک نرم افزاری باشد که به طور خودکار تشخیص می دهد فوکوس لنز روی همه افراد حاضر در کادر است.

امروزه، در طراحی و ساخت تنها یک درصد از اپلیکیشن های تلفن های همراه از یادگیری ماشینی استفاده می شود اما شرکت بین المللی پردازش داده ها (IDC) پیش بینی می کند که این رقم ظرف دو یا سه سال آینده به 50 درصد افزایش یابد.

هرچند این تنها کمپانی کوالکام و تولیدکنندگان تجهیزات نیستند که در حال کار کردن روی فناوری یادگیری ماشینی هستند بلکه توسعه دهندگان شخص ثالث نیز احتمالا برای خود ایده های بیشمار و خوبی خواهند داشت.

کمپانی کوالکام به منظور تسهیل و بهینه سازی روند توسعه محصول برای دیوایس های مجهز به پردازنده های  اسنپدراگون، اوایل سال جاری کیت توسعه نرم افزاری موتور پردازش عصبی خود را عرضه کرد که در حال حاضر از پردازنده های سری اسنپدراگون 820 پشتیبانی می کند. این پلتفرم از ساختارهای عادی یادگیری عمیق شامل Caffe و CudaConvNet پشتیبانی می کند.

همچنین، امروزه شاهد افزایش تقاضا برای فناوری دوربین های دوگانه، اسکن چشم و صورت و همین طور واقعیت مجازی هستیم که همگی این تکنولوژی ها نیازمند اجرای الگوریتم های محاسباتی پیچیده ای روی اسمارت فون ها هستند و مرتبا تعدادشان بیشتر می شود.

با این حال، موبایل ها به دلیل محدودیت ظرفیت باتری و داغ شدن زیاد، در هنگام اجرای مناسب چنین وظایف سنگینی، مشکلات خاص خود را به دنبال دارند. بنابراین، اختصاصی کردن سخت افزارها و استفاده از فناوری پردازش ناهمگن، برای فایق آمدن بر مشکلات یاد شده بسیار حیاتی به نظر می رسد.

طیف وسیعی از وظایف را می توان با کمک یادگیری ماشینی به انجام رساند که برخی از آنها روی CPU و برخی دیگر روی GPU بهتر اجرا می شوند و برخی دیگر نیز روی سخت افزارهای اختصاصی نظیر پردازشگر سیگنال های دیجیتالی (DSP) عملکرد مطلوب تری دارند.

بسیاری از این وظایف همچنین باید به موازات یکدیگر انجام شوند در نتیجه برای ارائه آن کارکرد به کاربر، ضروری است که بار محاسباتی آن تسک میان هسته های مختلف پردازنده تقسیم گردد.

احتمالا، کمپانی کوالکام در صدد تولید ماژول های سخت افزاری اختصاصی بیشتری است که در داخل سیستم های روی چیپ گنجانده می شوند تا به میزان قابل توجهی بهره وری انرژی مصرفی برای پردازش وظایف سنگین توسط این قطعه های سیلیکونی را افزایش دهد. برآوردها حاکی از این است که این پردازنده ها بین 4 تا 20 برابر راندمان بیشتری خواهند داشت.

در عین حال، پردازنده های هگزاگون DSP، اسپکترا ISP و آرایه سنسورهای کوچک تر کوالکام که تکمیل کننده CPU‌ها و GPU های این شرکت هستند و احتمالا مشتریان آشنایی بیشتری با آنها دارند، به این کمپانی اجازه می دهند تا سخت افزارهای اختصاصی را به توسعه دهندگانی که می خواهند در این چالش های جدید همراه شوند، ارائه کند.

در گذشته شاهد اتفاق مشابهی درمورد پردازنده جدید کایرین 920 هایسیلیکون بودیم که برای حل مشکل پردازش ارتقا یافته تصاویر، ISP یا پردازنده سیگنال تصویر را به داخل سیستم روی چیپ انتقال داد.

واقعیت افزوده و واقعیت مجازی

یادگیری ماشینی و پردازش ناهمگن صرفا راه به اسمارتفون ها و خودروها نمی یابند بلکه می توانند بخش مهمی از برنامه آینده کوالکام برای محصولات مرتبط با واقعیت مجازی نیز باشد.

طیف وسیعی از حسگرهای دید و هشدار دهنده و تلفیق آنها با تقاضا برای گرافیک سه بعدی و تجهیزاتی به مراتب کوچکتر و کم توان تر از رایانه های شخصی، به معنای آن خواهد بود که پلتفرم موبایلی برای واقعیت مجازی و واقعیت افزوده باید به میزان قابل توجهی کم مصرف و پر بازده تر باشند.

در ادامه تنها به چند نمونه مختصر اشاره می کنیم که نشان می دهد چگونه نیازهای مختلف برای پردازش در سرتاسر یک پردازنده ناهمگن به شکل متعادلی تقسیم می شوند.

CPU: اپلیکیشن ها، پیام رسانی، ایمیل، اعلان آب و هوا و...

پردازنده حسگر: تشخیص حرکت، ژیروسکوپ، دما و...

ISP: دوربین های دو بعدی و 3 بعدی، حسگر تشخیص عنبیه و چشم

DSP: شبیه سازی صدای سه بعدی و دو بلندگویی، تشخیص اشیا، تشخیص چهره، تشخیص حرکات بدن، حذف صداهای مزاحم، تشخیص فرمان صوتی و یادگیری

GPU: نمودارهای لحظه ای، یادگیری ماشینی و رابط کاربری

Modem: پشتیبانی از اتصال 4G LTE، اتصال بی سیم و دانلود و آپلود 5G برای پردازش ابری

گرچه واقعیت افزوده و مجازی تجربیات بسیار متفاوتی را در اختیار کاربران خود می گذارند، اما در زمینه نیازهای سخت افزاری و نرم افزاری اشتراکات فراوانی دارند به خصوص وقتی صحبت از حسگرها و پردازش گرافیکی می شود که همه اینها تنها یکی از بخش های فناوری های امروز موبایل هستند.

تعداد حسگرهای به خدمت گرفته شده در دوربین های واقعیت مجازی و افزوده بسته به مورد استفاده می تواند به چهار، هشت یا حتی بیشتر افزایش یابد ضمن اینکه فناوری تشخیص چشم احتمالا در تکنولوژی های مهمِ بهبود دهنده راندمان GPU نظیر رندر foveated (رندر تصویر با رزلوشن های متغیر)، بسیار کلیدی خواهد بود.

با این حال، اینگونه فناوری ها، نیازمند قدرت پردازش اضافه بوده و عمدتا به الگوریتم های یادگیری ماشینی وابسته هستند که تمامی این وابستگی ها به یک سخت افزار اختصاصی نیاز دارند تا تمام وظایف فوق در یک دیوایس موبایلی به خوبی و به طور کامل اجرا شود.

حال این امکان وجود دارد تا بتوان بسیاری از این قابلیت ها را با تجهیزات مختص خودشان فراهم کرد. مثلا، برای تشخیص یک شی، از پردازنده تصاویر، برای صوت از یک DSP‌ اختصاصی، برای حسگرها از میکرو کنترلرها و برای اتصال کل سیستم به هم از یک CPU مجزا بهره گرفت. البته این سیستم به رغم انعطاف بالا در محاسبات، نسبت به سخت افزارهایی که تمامی این عملکردها را به یک تراشه منتقل می کنند، بسیار گران قیمت خواهد بود.

با این حال، همانطور که در ادغام مستقیم فناوری های ISP، DSP و حسگرها با پردازنده های سری اسنپدراگون مشاهده می شود، به نظر می رسد کمپانی کوالکام، طی سال های اخیر به میزان قابل توجهی روی گنجاندن محاسبات کامل سیستمی در یک تراشه متمرکز شده است. این کار به کوالکام و کمپانی های OEM (تولید کنندگان سخت افزار کم نام و نشان) اجازه می دهد تا سخت افزارهای خود را با ادغام بسیار فشرده میان ماژول ها جهت اجرای اینگونه قابلیت ها با حداکثر راندمان ممکن، همگام کنند.

هرچند، برای گمانه زنی ها نسبت به مشخصاتی که شرکت های سازنده سخت افزار به دنبال آن خواهند بود باید هنوز کمی سبک سنگین کرد اما کوالکام با اطمینان می گوید که توسعه دهندگان، به خصوص برای حوزه های نوظهوری چون واقعیت افزوده و واقعیت مجازی، بیش از آنکه به دنبال محصولات بسیار شخصی سازی شده باشند، به دنبال محصولی هستند که سریع تر وارد بازار می شود.

اتصال به 5G با قلب تپنده اسنپدراگون

در حالی که بسیاری از ما کوالکام را بخاطر کارکرد پردازنده های اسنپدراگون بهترین می دانیم، اتصالات ارتقا یافته، خصوصا رفتن به سمت اتصال 5G (پیاده سازی نسل پنجم شبکه های مخابراتی) یکی از اهدافی است که کوالکام آن را دنبال می کند. این تکنولوژی نه تنها در محتوای ویدئویی با تفکیک تصویری بالا، بلکه برای پخش تجربیات واقعیت مجازی و افزوده، ارسال داده ها برای پردازش ابری و حتی انتقال موقعیت مکانی و داده های دستیار رانندگی به خودروهای در مسیر استفاده می شود.

کوالکام به تازگی از مودم خود تحت عنوان مودم 5G X50 رونمایی کرده و امیدوار است با استفاده از آن بتواند سرعت دانلود را به بیش از 5 گیگابیت بر ثانیه افزایش دهد که این امکان از طریق تراکم فرکانس حامل برای پهنای باند ارتقا یافته محقق می شود. این تراشه همچنین از فناوری های باند موج 28 گیگاهرتزی یک میلیمتری در قالب 5GTF Verizon و 5G-SIG KT پشتیبانی می کند که هر دو می توانند به استانداردهای آتی نسل پنجم شبکه های مخابراتی بدل شوند و راه را برای نخستین تلفن های هوشمند و تبلت های مجهز به شبکه 5G در سالهای آتی باز کنند.

البته، نسل پنجم شبکه های مخابراتی تنها به ارائه سرعت انتقال داده های بالاتر به مشتریان محدود نمی شود بلکه صحبت از اتصال میلیون ها دیوایس مجهز به اینترنت اشیا از خانه ها گرفته تا بازارهای صنعتی نیز خواهد بود که کوالکام، با کمک مودم های خورشیدی بسیار کم مصرف که برای اینترنت اشیا طراحی و تولید کرده، خود را برای این اتفاق مهم نیز آماده کرده است.

اینترنت اشیا

وقتی صحبت از اینترنت اشیا می شود، نباید فراموش کرد که نه تنها پردازنده های سری اسنپدراگون کمپانی کوالکام نیرو بخش این انقلاب بزرگ تکنولوژی است، بلکه به توسعه دهندگان این تکنولوژی تجهیزاتی چون گیرنده بی سیم، بلوتوث و محصولات اتصال موبایلی با یک میکروکنترلر دارای توانایی پردازش ارائه می کند.

علاوه بر این، کمپانی کوالکام در میانه راه تصاحب شرکت NXP با قیمت 47 میلیارد دلار است که این رقم اصلا سرمایه گذاری کوچکی محسوب نمی شود. به محض کامل شدن فرآیند این خرید بزرگ، کوالکام به طیف وسیع تری از تکنولوژی های مدار یکپارچه از ترانزیستورها گرفته تا میکروکنترلرهای ARM مناسب بازار خودروهای بدون راننده و سایر کاربردهای صنعت الکترونیک دسترسی خواهد داشت.

این اتفاق قطعا به کمپانی کوالکام کمک خواهد کرد تا سیطره خود را بر بیش از یک میلیارد دیوایس مجهز به اینترنت اشیا که از چیپ های کوالکام استفاده می کنند، افزایش دهد. این کمپانی پیش بینی کرده که تا سال 2020 میلادی، قادر است 25 میلیارد دیوایس را به اینترنت متصل نماید. در همین رابطه کوالکام به دنبال راه حل های یکپارچه ای است تا به این چرخه توسعه سرعت بخشد هرچند در این راه مشکلاتی چون سایز چیپ ها، افزایش دمای پردازنده و همینطور هزینه های بالا برای توسعه دهندگان وجود دارد.