در حال حاظر برخی از بزرگ‌ترین شرکت‌های فناوری جهان در تلاش هستند تا با بازنگری در ماهیت رایانه‌ها بتوانند ماشین‌هایی را بسازند که بیشتر شبیه مغز انسان است. امروزه مهندسان کامپیوتر در حال ساختن سیستم‌های پیچیده‌تری هستند. ماشین‌های جدیدتر همه وظایف را از طریق یک تراشه ساده‌تر که توسط اینتل ساخته شده‌اند، و کار را به قطعات کوچک تقسیم می‌کنند را در طیف وسیع تراشه‌های ساده‌تر و تخصصی‌تر که مصرف انرژی کمتری دارند، پخش کنند. تراشه Pohoiki Beach اینتل قصد دارد نیمه هادی‌هایی را توسعه دهد که روش کار مغز انسان را تقلید کنند.
این تراشه Pohoiki Beach اینتل داده‌هایی را پردازش می‌کند که کارها را مشابه مغز انسان انجام می‌دهد و بر چالش‌هایی که نسل اول تراشه‌های هوش مصنوعی را درگیر می‌کند می‌تواند غلبه کند. با این تراشه Pohoiki Beach، اینتل هوش مصنوعی را به حوزه‌هایی که شبیه به شناخت انسان است، از جمله تفسیر و سازگاری مستقل، گسترش می‌دهد.
تسریع پردازش با تراشه Pohoiki Beach اینتل
با توجه به نشانگر نیمه هادی سانتا کلارا، کالیفرنیا، با این رویکرد جدید در پردازش کامپیوتری، تراشه‌های جدید آن می‌توانند در مقایسه با واحدهای پردازش مرکزی یا CPUهای فعلی برای حجم کاری هوش مصنوعی، 1000 برابر سریع‌تر و 10000 برابر کارآمدتر کار کنند. تراشه Pohoiki Beach از 64 تراشه کوچک‌‌تر به نام Loihi تشکیل شده است. که با ترکیب آن‌ها می‌تواند مانند 8.3 میلیون نورون عمل کند که طبق یک گزارش همانند: مغز یک جونده کوچک است. مغز انسان نزدیک به 100 میلیارد نورون دارد. اینتل گفته است که تراشه Pohoiki Beach اینتل می‌تواند به ویژه در پردازش تصویر، وسایل نقلیه خودران و روبات‌های خودکار مفید باشد.
در داخل اکثر سرورهای گوگل، هنوز یک پردازنده مرکزی وجود دارد. اما بانک‌های عظیمی از تراشه‌های سفارشی در کنار آن‌ها کار و الگوریتم‌های رایانه‌ای را اجرا می‌کنند. که تشخیص گفتار و سایر اشکال‌های هوش مصنوعی را هدایت می‌کنند.
هوش مصنوعی تغییری در تمام زمینه‌ها ایجاد خواهد کرد
اما آنچه در داخل مراکز داده آغاز شد، شروع به تغییر چشم انداز سایر بخش‌های فناوری کرده است. طی چند سال آینده، شرکت‌هایی مانند: گوگل، اپل و سامسونگ گوشی‌هایی با هوش مصنوعی تخصصی خواهند ساخت. مایکروسافت در حال طراحی چنین تراشه‌ای به طور خاص برای هدست‌های واقعیت افزوده است. و همه از گوگل گرفته تا تویوتا در حال ساخت خودروهای خودران هستند که به تراشه‌های مشابه نیاز دارند.
گیل پرت، که مدیر برنامه در دارپا، بازوی تحقیقاتی وزارت دفاع ایالات متحده است، گفت: این گرایش به سمت تراشه‌های تخصصی و معماری جدید کامپیوتری می‌تواند منجر به انفجار کامبرین هوش مصنوعی شود. ماشین‌هایی که محاسبات را در تعداد زیادی از تراشه‌های کوچک و کم مصرف پخش می‌کنند، می‌توانند بیشتر شبیه مغز انسان عمل کنند.
تراشه‌هایی که به شبکه‌های عصبی مرتبط هستند
G.P.Uها می‌توانند ریاضیات مورد نیاز شبکه‌های عصبی را بسیار کارآمدتر از C.P.U پردازش کنند. انویدیا در حال پیشرفت است و اکنون تعداد زیادی G.P.U به غول‌های اینترنتی ایالات متحده و بزرگ‌ترین شرکت‌های آنلاین در سراسر جهان، به ویژه چین می‌فروشد. بنابراین، شرکت‌های اینترنتی پیشرو در حال حاضر شبکه‌های عصبی خود را با کمک نوع دیگری از تراشه به نام واحد پردازش گرافیکی یا G.P.U آموزش می‌دهند. این تراشه‌های کم مصرف معمولا توسط انویدیا ساخته می‌شوند.
ایجاد تراشه‌های تخصصی
شرکت‌ها از G.P.U برای آموزش یک کار خاص به شبکه‌های عصبی استفاده می‌کنند اما این تنها بخشی از فرآیند است. هنگامی که یک شبکه عصبی برای یک کار آموزش داده می‌شود برای اینکه بتواند آن کار را انجام دهد به نوع دیگری از قدرت محاسباتی نیاز دارد. برای مثال: پس از آموزش یک الگوریتم تشخیص گفتار، مایکروسافت آن را به عنوان یک سرویس آنلاین ارائه می‌دهد. GPUها در این مرحله از فرآیند کاملا کارآمد نیستند.
تراشه اختصاصی گوگل
گوگل یک تراشه تخصصی برای خود، با یک واحد پردازش تنسور یا T.P.U را ساخت. انویدیا در حال ساخت یک تراشه مشابه است. و مایکروسافت تراشه‌های تخصصی Altera را که توسط اینتل خریداری شده بود، دوباره برنامه‌ریزی کرده است تا بتواند شبکه‌های عصبی را راحت‌تر اجرا کند. شرکت‌های دیگر نیز از این روند پیروی می‌کنند. Qualcomm متخصص تراشه‌های گوشی‌های هوشمند است و تعدادی استارت‌آپ نیز روی A.I کار می‌کنند.
رقابت برای ساخت سخت افزارها برای استفاده از هوش مصنوعی
در رقابت برای ساخت سخت افزار بهتر برای هوش مصنوعی، اینتل به یک نوع قدیمی اما اثبات نشده، پردازنده کامپیوتری روی آورده است. تراشه‌های نورومورفیک، همانطور که شناخته شده‌اند، براساس مغز انسان طراحی شده‌اند اما پس از دهه‌ها تحقیق هنوز نتوانسته‌اند عملکرد بهتری را در برنامه‌های واقعی زندگی نسبت به CPUها و GPUهای معمولی نشان دهند. این نورون‌ها جایگزین Traditional gates موجود در سیلیکون امروزی می‌شوند و به جای پردازش اطلاعات به صورت 1 و 0 باینری، سیگنال‌هایی را ارسال می‌کنند و عملکرد آن‌ها را بیشتر به صورت آنالوگ انجام می‌شود تا باینری.
تراشه‌های نورومورفیک تا 1000 برابر کمتر از پردازنده‌های معمولی انرژی مصرف می‌کنند
همه این تفاوت‌های ساختاری باعث می‌شود تراشه‌های نورومورفیک بسیار کارآمدتر از پردازنده‌های امروزی باشند و تا ۱۰۰۰ برابر انرژی کمتری مصرف کنند. این یک مزیت بزرگ در هنگام کار کردن هوش مصنوعی بر روی دستگاه‌هایی مانند تلفن و لپ تاپ است. اما علیرغم مزایای بی نظیر پردازنده‌های نورومورفیک، تراشه‌ها هنوز نتایج واقعی را در خارج از آزمایشگاه نشان نداده‌اند. آن‌ها در تحقیقات دانشگاهی و صنعتی عملکرد خوبی داشته‌اند، اما به یک محصول مصرفی مناسب تبدیل نشده‌اند.
تراشه Pohoiki Beach و خودروهای خودران
تراشه Pohoiki Beach اینتل به خودروهای خودران به عنوان نمونه‌ای اشاره کرد که در آن تراشه هوش مصنوعی جدید ضروری است. نیمه هادی‌های مورد استفاده در خودروهای خودران می‌توانند در مسیر GPS حرکت کنند و سرعت خودرو را کنترل کنند. تراشه‌های هوش مصنوعی خودرو را قادر می‌سازد تا محیط اطراف خود را تشخیص دهد و به آن پاسخ دهد و از تصادف با یک عابر پیاده جلوگیری کند. اما برای پیشرفت خودروهای خودران، سیستم‌ها باید تجربیاتی را که انسان هنگام رانندگی به دست می‌آورد، اضافه کند، مانند: نحوه برخورد با یک راننده تهاجمی یا توقف زمانی که توپ به خیابان می‌رود.
نتیجه گیری
هوش مصنوعی به قدرت محاسباتی عظیمی نیاز دارد که محدودیت‌های مدرن‌ترین ماشین‌ها را کاهش دهد. پس از سال‌ها رکود، کامپیوتر دوباره در حال تکامل است. این پیشرفت اجازه می‌دهد تا کاربر روی سیستم‌های هوشمند مصنوعی شتاب بگیرد، بنابراین رویای ماشین‌هایی که می‌توانند به تنهایی دنیای فیزیکی را هدایت کنند، می‌تواند روزی محقق شود.
