بسیاری از محققان معتقدند که دوران استفاده از پردازنده‌های همه منظوره برای استفاده در امور حرفه‌ای در رشته‌ها و زمینه‌های مختلف به سر آمده و نمود بارز این ادعا نیز عدم بهینگی کافی در انجام عملیات هوش مصنوعی با پردازشگرهای سنتی CPU و حتی GPU است. به تازگی پژوهشگران ایده استفاده از پردازنده‌های آنالوگ برای انجام عملیات هوش مصنوعی را در پیش گرفته‌اند که اجازه می‌دهد با سرعت و دقت بسیار بیشتری از پردازنده‌های منطقی، به انجام عملیات پردازشی روی داده‌های آماری و در دسترس برای تصمیم‌گیری و آموزش سیستم‌ها استفاده نمود.
فناوری هوش مصنوعی (AI) و یادگیری عمیق (DL) در حال تغییر دادن دنیای ما هستند. از تشخیص چهره تا ترجمه زبان، از تولید موسیقی تا تشخیص بیماری، این فناوری ها قادر به انجام کارهای شگفت انگیز و پیچیده ای هستند که قبلاً فقط توسط انسان ها قابل انجام بودند.
اما چگونه ما می‌توانیم سرعت و دقت این فناوری ها را بالاتر ببریم؟ چگونه می‌توانیم پردازنده‌ها را برای مصرف کمتر انرژی و حافظه بهینه‌سازی کنیم؟ چگونه می‌توانیم با چالش های فزاینده حجم داده ها و پیچیدگی الگوریتم ها در این زمینه روبرو شویم؟ پاسخ به این سؤالات در پردازنده‌های آنالوگ IBM نهفته است.
بنابر گزارشی که به تازگی توسط پژوهشگران موسسه IBM Research در ژورنال Nature Electronics منتشر شده، این دانشمندان موفق به طراحی پردازنده‌های آنالوگ جدیدی شده‌اند که به صورت ویژه برای اجرای عملیات مرتبط با محاسبات یادگیری عمیق بهینه شده‌اند.
ویژگی پردازنده های آنالوگ
پردازنده‌های آنالوگ با استفاده از سطوح ولتاژ به جای بیت‌های دیجیتال، داده ها را نمایش داده و با استفاده از عملیات ریاضی خطی، به جای عملیات منطقی، داده ها را پردازش می‌کنند. این پردازنده‌ها نسبت به پردازنده‌های دیجیتال، سرعت بالاتر، دقت بالاتر، مصرف کمتر انرژی و حافظه، و قابلیت خلاقانه تولید محتوای جدیدی را دارند. استفاده از آنالوگ پروسسورها انقلابی در فناوری هوش مصنوعی و یادگیری عمیق را رقم خواهد زد که می‌تواند در حوزه های مختلفی مانند سلامت، تولید، حمل و نقل، تفریح و سرگرمی، آموزش و پژوهش، و ... کاربرد داشته باشد.
ویژگی ها و مزایای پردازنده‌های آنالوگ IBM
این تراشه در مجتمع نانوتکنولوژی شهر Albany (در ایالت نیویورک) آی‌بی‌ام ساخته شده و از 64 هسته محاسباتی (یا تایل محاسباتی) آنالوگ تشکیل شده است که هر کدام شامل آرایه 256 در 256 نوار متقاطع سلول‌های واحد سیناپسی (دارای ارتباط غیرمستقیم با دیگری) است. مبدل های آنالوگ به دیجیتال فشرده و مبتنی بر زمان در هر تایل برای انتقال بین دنیای آنالوگ و دیجیتال یکپارچه شده است. هر تایل همچنین با واحدهای پردازش دیجیتال (با توان پردازشی معمولی و نه چندان بالا) یکپارچه شده که عملکردهای ساده غیرخطی فعال سازی عصبی و عملیات مقیاس بندی را انجام می‌دهند.
در این مدل هر تایل می‌تواند محاسبات مربوط به لایه ای از مدل (deep neural networks) DNN را انجام دهد. در هنگام پردازش و انجام عملیات، داده‌ها به عنوان مقادیر هدایت آنالوگ واحدهای PCM در این مجموعه کدگذاری می‌شوند. یک واحد پردازش دیجیتال مرکزی نیز در قلب تراشه یکپارچه شده تا عملیات پیچیده‌تر را اجرا نموده نماید. وجود این واحد به صورت عادی برای اجرای انواع خاصی از عملیات شبکه عصبی حیاتی است.
این تراشه همچنین دارای مسیرهای ارتباطی دیجیتال در اتصال تمام تایل‌ها و واحد پردازش دیجیتال مرکزی نیز بوده که کمک می‌کند میزان تأخیر در انتقال داده‌ها به حداقل ممکن برسد.
این تراشه می‌تواند حداکثر توان عملیاتی 16.1 یا 63.1 تریلیون عملیات بر ثانیه را با بازده انرژی 2.48 یا 9.76 تریلیون عملیات بر ثانیه در هر وات به دست آورد.
همانطور که در این مطلب عنوان شد، می‌توان با استفاده از الگوی پردازشی متفاوت در پردازنده‌های آنالوگ ، تحولی بزرگ در زمینه عملیات پردازشی ML و AI ایجاد کرد. اما به صورت کلی مهمترین مزایای استفاده از پردازنده‌های آنالوگ عبارت اند از:
- سرعت بالاتر: پردازنده‌های آنالوگ IBM قادر به اجرای عملکردهای یادگیری عمیق با سرعت بسیار بالاتر از پردازنده‌های دیجیتال هستند. به عنوان مثال، در یک آزمایش انجام شده، پردازنده آنالوگ IBM توانسته یک شبکه عصبی کانولوشنال (CNN) را با سرعت 1000 برابر بیشتر از پردازنده دیجیتال معمولی اجرا کند.
- دقت بالاتر: پردازنده‌های آنالوگ IBM قادر به اجرای عملکردهای یادگیری عمیق با دقت بسیار بالاتر از پردازنده‌های دیجیتال هستند. در مثالی دیگر، پردازنده آنالوگ IBM توانسته یک شبکه عصبی بازگشتی (RNN) را با دقت 99.9 درصد اجرا کند، در حالی که بالاترین درصد دقت حاصله از پردازنده دیجیتال در این زمینه فقط 88 درصد است.
- مصرف کمتر انرژی و حافظه: پردازنده‌های آنالوگ IBM قادر به اجرای عملکردهای یادگیری عمیق با مصرف کمتر انرژی و حافظه از پردازنده‌های دیجیتال هستند. به عنوان مثال، در آزمایش سومی‌برای احراز کیفیت اجرای عملیات این پردازنده‌ها، پروسسور آنالوگ IBM توانسته یک شبکه عصبی مصنوعی (ANN) را با مصرف 33 برابر کمتر انرژی و حافظه نسبت به پردازنده دیجیتال شبیه سازی کند.
کاربردهای پردازنده‌های آنالوگ IBM چییست؟
کاربردهای بسیار زیاد و متنوعی برای پردازنده های آنالوگ بهینه شده برای عملیات هوش مصنوعی و یادیگری عمیق وجود دارند. این پردازنده‌ها می‌توانند در حوزه های مختلفی مانند سلامت، تولید، حمل و نقل، تفریح و سرگرمی، آموزش و پژوهش، و غیره استفاده شوند. به عنوان مثال، این پردازنده‌ها می‌توانند به تشخیص سرطان، بهبود عملیات توسعه محصول هوشمند، خودروهای خودران، تولید محتوای خلاقانه مانند موسیقی، آموزش الگوریتم‌های جدید و پیشرو، و هزاران ایده دیگر کمک کنند.
جمع‌بندی
به صورت کلی باید گفت که پردازنده‌های آنالوگ IBM در صورت رسیدن به فاز عملیاتی نهایی، می‌توانند انقلابی بزرگ را در فناوری هوش مصنوعی و یادگیری عمیق رقم بزنند. پروسسورهای آنالوگ IBM با قابلیت های فوق‌العاده خود، قادر به حل مسائل جدیدی که نه تنها به بهبود عملکرد و کارایی فناوری هوش مصنوعی و یادگیری عمیق کمک می‌کنند، بلکه به افزایش قابلیت های خلاقانه و نوآورانه آنها نیز منجر می‌شوند.
در نهایت باید گفت که پردازنده‌های آنالوگ IBM یک گام بزرگ در راستای تحقق رویکرد IBM برای ساخت یک سیستم هوش مصنوعی خواهند بود که قصد دارد با همکاری با بشر، منجر به تقویت قدرت بینش و تصمیم‌گیری او شود. پردازنده‌های آنالوگ IBM یک پیشرفت علمی و فنی مهم و قابل توجه هستند که می‌توانند تاثیرات عظیم و مثبت فراوانی در علوم و حوزه‌های مختلف ایجاد کنند.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت