دستاورد جدید MIT
تراشه دوست‌دار انرژی که هوش مصنوعی را روی اسمارت‌فون‌ها می‌آورد
آیا تا به حال به این موضوع دقت کرده‌اید که اگر ارتباط شما با شبکه اینترنت قطع شود، آن‌گاه دستیاران شخصی همچون سیری توانایی پردازش و تحلیل بسیاری از درخواست‌های شما را نخواهند داشت. این اتفاق از آن جهت رخ می‌دهد که دستیاران شخصی برای پردازش اطلاعات کاربران خود به سرورهای شرکت‌های مطبوع‌شان وابسته هستند. اما به نظر می‌رسد، در آینده نزدیک شاهد تغییر رویکردی در این زمینه خواهیم بود. MIT موفق به طراحی تراشه ویژه‌ای شده است که آن‌را تراشه دوست‌دار انرژی نامیده است. این تراشه در نظر دارد به هوش مصنوعی در انجام وظایف محوله به آن کمک کند. دستاورد جدید به دستگاه‌های همراه این توانایی را خواهد داد تا الگوی شبکه عصبی آن‌ها هماهنگ با مغز انسان‌ها توانایی انجام وظایف سنگین را داشته باشد.

در سال‌های اخیر، بخش عمده‌ای از پیش‌رفت‌های به دست آمده در حوزه هوش مصنوعی در یک همگرایی سازنده با شبکه‌های عصبی قرار داشتند. به‌طوری که این توانایی را در اختیار شبکه‌های مجازی بزرگ قرار دادند که از واحدهای ساده‌تر پردازش اطلاعات استفاده کنند. این پیش‌رفته‌ها عمدتا همسو با الگوبرداری از آناتومی مغز انسان بوده است. شبکه‌های عصبی به‌طور معمول از واحد پردازش گرافیکی (GPU) استفاده می‌کنند. واحدی که مشتمل بر تراشه‌های گرافیکی خاص منظوره‌ای است که در همه دستگاه‌های محاسباتی قرار داشته و برای نمایش تصاویر مورد استفاده قرار می‌گیرد. پردازنده‌های گرافیکی ویژه دستگاه‌های همراه مشتمل بر 200 هسته یا واحد پردازشی هستند که به خوبی توانایی شبیه‌سازی شبکه‌ای از پردازنده‌های توزیع شده را دارند. ( برای اطلاع بیشتر در ارتباط با برنامه‌نویسی گرافیکی به مقاله انقلاب برنامه‌نویسی گرافیکی مراجعه کنید.)

مطلب پیشنهادی

اختراع شبکه‌ عصبی پلاستیکی شبیه به مغز انسان

در کنفرانس بین‌المللی مدارات حالت جامد که هفته گذشته در سان فرانسیسکو برگزار شد، محققان MIT از یک تراشه جدید رونمایی کردند. تراشه‌ای که به‌طور ویژه برای پیاده‌سازی شبکه‌های عصبی طراحی شده است. این تراشه در مقایسه با پردازنده‌های رایج گرافیکی ویژه موبایل 10 برابر از کارایی بالاتری برخوردار است. این تراشه در حالی که از 168 هسته استفاده می‌کند اما در مقایسه با پردازنده‌های گرافیکی موبایل از انرژی کمتری استفاده می‌کند. همین موضوع باعث می‌شود، دستگاه‌های همراه با توان بیشتری الگوریتم‌های هوش مصنوعی را اجرا کنند که در مقایسه با آپلود داده‌ها روی بستر اینترنت برای پردازش، یک مکانیزم بسیار سریع شناخته می‌شود. در روزهای آغازین مطالعات پیرامون هوش مصنوعی این مفهوم به‌طور جدی مورد توجه شرکت‌ها و مؤسسات تحقیقاتی قرار گرفت، در دهه 70 میلادی از سرعت تحقیقات در این زمینه کاسته شد. اما در یک دهه گذشته، بار دیگر مردم و شرکت‌های فعال در حوزه فناوری به هوش مصنوعی تحت لوای یادگیری عمیق علاقه‌مند شدند.

مطلب پیشنهادی

رقابت هوش مصنوعی بزرگان در زمین بازی Go
فیس‌بوک، گوگل و مایکروسافت در برابر هم

ویویان سز استادیار MIT در دپارتمان مهندسی الکترونیک و علوم کامپیوتر این دانشگاه که مسئولیت رهبری این پروژه را بر عهده داشته است در این ارتباط گفته است: « یادگیری ماشینی در بیشتر برنامه‌ها کاربرد دارد، تشخیص اشیا، تشخیص گفتار، شناسایی چهره از جمله کاربردهای "یادگیری عمیق" به شمار می‌روند. شبکه‌های امروزی در مقایسه با گذشته پیچیده‌تر شده‌اند و بیشتر آن‌ها از پردازنده‌های گرافیکی قدرتمندی استفاده می‌کنند. کافی است تصور کنید اگر این قابلیت به درون اسمارت‌فون‌های شما یا دستگاه‌های توکار وارد شود، چه قابلیتی در اختیار شما قرار خواهد گرفت، حتی اگر یک ارتباط وای‌فای در اختیار نداشته باشید.

مطلب پیشنهادی

سرمایه‌گذاری 28 میلیون دلاری برای شکست هوش انسانی

این قابلیت به شما این توانایی را می‌دهد تا یکسری موضوعات را بنا به دلایلی به صورت محلی پردازش کنید. پردازش داده‌ها روی اسمارت‌فون شخصی باعث می‌شود تا هرگونه زمان تأخیر کم شده و در نتیجه به کاربردهای خاص‌تر در سریع‌ترین زمان ممکن دسترسی داشته باشید.» تراشه جدید، که محققان آن‌را آیریس (Eyeriss) نام‌گذاری کرده‌اند به ویژه در حوزه اینترنت اشیا کاربردهای فراوانی خواهد داشت. جایی که وسایل نقلیه، لوازم، سازه‌های عمرانی، تجهیزات تولیدی و حتی احشام می‌توانند حس‌گرهایی داشته باشند که اطلاعات را به‌طور مستقیم به سرورهای شبکه‌ای که برای انجام وظایف خاص طراحی شده‌اند، گزارش دهند. زمانی که الگورتیم‌های قدرتمند هوش مصنوعی به صورت آن‌برد روی دستگاه‌ها پردازش شوند، آن‌گاه امکان اخذ تصمیمات مهم روی دستگاه‌های متصل به شبکه به صورت محلی امکان‌پذیر خواهد بود. شبکه‌های عصبی آن‌برد به ویژه در ارتباط با روبات‌های خودمختاری که نیروی خود را از باتری دریافت می‌کنند حائز اهمیت خواهد بود.

مطلب پیشنهادی

سنفونی پایان غیر طبیعی جهان به روایت استیون  هاوکینگ

یک شبکه عصبی به‌طور معمول در لایه‌هایی سازمان‌دهی می‌شود. هر لایه شامل یک تعداد بزرگ از گره‌های پردازشی است. داده‌ها به درون این لایه‌ها وارد شده و مابین گره‌هایی که در پایین‌ترین لایه قرار دارند تقسیم می‌شود. هر گره داده‌هایی که دریافت کرده است را دستکاری کرده و نتیجه را به گره‌هایی که در لایه بعدی قرار دارند انتقال می‌دهد. خروجی لایه نهایی در نهایت برای حل یک مشکل محاسباتی مورد استفاده قرار می‌گیرد. در یک شبکه عصبی پیچیده، بیشتر گره‌ها در هر لایه داده‌های یکسانی را به روش‌های مختلف پردازش می‌کنند. این چنین شبکه‌هایی به منابع محاسباتی بیشتری نیاز دارند. 

========================

شاید به این مطالب هم علاقمند باشید:

سنفونی پایان غیر طبیعی جهان به روایت استیون هاوکینگ

واتسون، کامپیوتری با استعدادهای ادراک‌پذیری، پزشکی و آشپزی!

هوش مصنوعی در تعامل با اشیای هوشمند، غیرهوشمند و جاندار

دانشمندان مغز مصنوعی با توانایی یادگیری ارتباط کلامی ساختند

Google Now چگونه کار می‌کند؟

کورتانا در مقابل سیری، سیری در مقابل Google Now

هوش‌ مصنوعی؛ تهدید یا فرصت؟

روزی که روبات‌ها به انسان «نه» بگویند

ماشینی که انسان‌ها را بهتر از خودشان درک می‌کند

کارکردهای ملموس هوش‌ مصنوعی در زندگی روزمره ما

ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     
ثبت اشتراک نسخه آنلاین

 

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا  کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.

ایسوس

نظر شما چیست؟