تراشه هوش مصنوعی
اخبار

تراشه های هوش مصنوعی که در سال ۲۰۲۱ وارد بازار شدند

0
زمان مطالعه: ۵ دقیقه

با ظهور پیشرفت‌های جدید در حوزه هوش مصنوعی و یادگیری عمیق، نیازهای محاسباتی نیز پیوسته‌ بیشتر شده‌اند. موفقیت روش‌های نوین هوش مصنوعی به حدی وابسته به محاسبات است که این میزان وابستگی حتی چند سال پیش هم قابل‌تصور نبود. بنابراین تراشه‌ها و سخت‌افزارهای پیشرفته‌تری در حال توسعه و عرضه هستند، تا با قابلیت‌های پردازشی شبکه‌های عصبی پیچیده، مطابقت کنند. توان محاسباتی تراشه‌ها، به حداکثر تعداد ترانزیستورهایی بستگی دارد که می‌توانند داشته باشند؛ برخی هم به‌صورت سفارشی برای انجام کارآمد محاسبات خاص موردنیاز سیستم‌های هوش مصنوعی نوین، ساخته می‌شوند. در این مقاله به برخی از برترین تراشه های هوش مصنوعی که در سال ۲۰۲۱ با قدرت در بازار ظاهر شدند، نگاهی انداخته‌ایم.

تراشه Loihi 2

Loihi 2، نسل دوم تراشه های پژوهشی نورومورفیک شرکت اینتل است که معماری آن از جدیدترین رده الگوریتم‌ها و نرم‌افزارهای الهام‌گرفته از رشته‌های عصبی مغز، پشتیبانی می‌کند و با وجود یک میلیون نورون در هر تراشه سرعت پردازش آن‌ ۱۰ برابر افزایش یافته و تراکم منبع آن ۱۵ برابر شده و بهره‌وری انرژی آن، بهبود یافته است. استفاده از لیتوگرافی فرابنفش حدافراطی (EUV)، قواعد طراحی چیدمان را در مقایسه با فناوری‌های پردازش قدیمی ساده‌تر کرد و این امکان را برای شرکت اینتل به وجود آورد کهLoihi 2  را به‌سرعت توسعه دهد. به‌علاوه تراشه های Loihi 2 از واسط‌های اترنت هم پشتیبانی می‌کنند. افزایش پشتیبانی تراشه های Loihi 2 ناشی از تلفیق طیفی از حسگرهای بینایی مبتنی بر رویداد بدون استفاده از چسب و شبکه‌های مشبک بزرگ‌تر است. این تراشه قدرتمند امکان ایجاد طیف گسترده‌تری از مدل‌های شبکه عصبی جدیدی را فراهم می‌کنند که می‌توانند از طریق یادگیری عمیق آموزش ببینند.

تراشه هوش مصنوعی

تراشه Google Tensor

تراشه Google Tensor که با همکاری  Google Researchطراحی شده است، از نظر گوگل نقطه‌عطفی در یادگیری ماشین است. این تراشه از نیازهای شگفت‌انگیز مدل‌های بسیار پیشرفته هوش مصنوعی- یادگیری ماشین از قبیل  Motion Mode ، Face Unblur، تقویت گفتار ویدئوها و اعمال الگوریتم HDRnet بر ویدئوها، پشتیبانی می‌کند. Google Tensor به دقت طراحی شده است، تا به سطح مناسبی از عملکرد محاسباتی، کارایی و امنیت برسد. این تراشه جدید می‌تواند مدل‌های پیشرفته و بسیار جدید یادگیری ماشین را با مصرف انرژی کمتر اجرا کند. همچنین ویژگی‌های عکاسی محاسباتی و ویدئوی آینده‌نگر را تقویت می‌کند. علاوه بر این دارای یک هسته امنیتی Tensor یا به‌عبارتی یک سیستم فرعی جدید مبتنی بر CPU است که گوگل برای نسل بعدی تراشه های امنیتی اختصاصی، تولید کرده است.

نرم‌افزاری که نمایش همزمان تصاویر ساختار بافت را امکان‌پذیر می‌سازد

تراشه های هوش مصنوعی

تراشه CV52S

تراشه CV52S تولید شرکت Ambarella  و نمونه پیشرفته‌ای از مجموعه «سیستم بینایی هوش مصنوعی بر روی تراشه» این شرکت است. این تراشه می‌تواند در یک طراحی واحد و کم‌مصرف، از پردازش بسیار روان تصویر ۴K، رمزگذاری و رمزگشایی ویدئو و پردازش بینایی کامپیوتری CVflow، پشتیبانی کند. CV52S که با فناوری پیشرفته پردازش ۵ نانومتری ساخته شده است، از طریق پردازش هوش مصنوعی پیشرفته با نرخ ۳۰ فریم در ثانیه، مصرف انرژی ضبط ویدئوی ۴KP60 را به کمتر از ۳ وات رسانده است. به‌علاوه، معماری CVflow این تراشه، امکان پردازش چندگانه شبکه عصبی عمیق (DNN) را فراهم می‌کند که موردنیاز نسل بعدی دوربین‌های هوشمند است. موتور CVflow دارای قابلیت اجرای کارآمد شبکه‌های عصبی چندگانه (NN) به‌صورت موازی است و در عین حال به الگوریتم‌های بینایی کامپیوتری کلاسیک شتاب می‌بخشد و شتاب بینایی کامپیوتری قدرتمندی را فراهم می‌آورد.

تراشه های هوش مصنوعی

تراشه AZ-N1

شرکت Atlazo در ماه ژانویه از تراشه AZ-N1 خود رونمایی کرد. این تراشه شامل پردازنده هوش مصنوعی و یادگیری ماشین این شرکت با نام Axon I است که راندمان انرژی بالایی دارد و با این هدف طراحی شده است که در مقایسه با دیگر پردازنده‌های موجود در بازار، با مصرف برق کمتری، صوت، صدا، بیومتریک، سیگنال‌های حسگر دیگر را پردازش کرده و فعالیت‌ها را طبقه‌بندی کند. این پردازنده از طیفی از شبکه‌های هوش مصنوعی- یادگیری ماشین شامل DNN، LTSM و GRNN و روش‌های محبوب استخراج ویژگی همچون MFCC، پشتیبانی می‌کند. یک پردازنده AXCON I می‌تواند بیش از ۱۳۰ استنتاج را انجام دهد. محصولات مختلفی مانند ایربادهای هوشمند، سمعک و ابزارهای پایش سلامت، در حال توسعه هستند که AZ-N1 در آن‌ها به کار خواهد رفت.

تراشه

تراشه M1076

توان محاسباتی هر تراشه M1076 شرکت Mythic، در کاربردهای پیشرفته هوش مصنوعی می‌تواند تا ۲۵ تریلیون عملیات در ثانیه (TOPS) برسد. این تراشه شامل ۷۶ تایل پردازنده ماتریس آنالوگ است و تا ۸۰ میلیون پارامتر وزنی را ذخیره کرده و  عملیات ضرب ماتریس را بدون هیچ‌گونه حافظه خارجی اجرا می‌کند. این ویژگی باعث می‌شود، تا عملکرد محاسباتی هوش مصنوعی هر تراشه M1076 به یک GPU برسد و در عین حال، یک دهم آن انرژی مصرف کند. مدل‌های هوش مصنوعی-یادگیری ماشین می‌توانند با استفاده از این تراشه بسیار قدرتمند به‌راحتی با وضوح بالاتر و تأخیر کمتر به نتایج بهتری برسند.

تمدید فراخوان طرح جهش هوشمندسازی کشور

تراشه

تراشه A100

تراشه A100 شرکت Nvidia، پرچمدار تراشه های گرافیکی این شرکت است. با اینکه این تراشه نخستین بار سال گذشته عرضه شد، اما همچنان برای انجام بعضی از عملکردهای هوش مصنوعی، بهترین تراشه موجود است. به‌تازگیA100  در سومین آزمون سالانه شاخص  MLPerf، ۱۶ رکورد به ثبت رساند، رکوردی که به ادعای شرکت NVIDIA ثابت می‌کند که این GPU سریع‌ترین عملکرد آموزشی را در میان محصولات تجاری موجود در بازار امروز دارد. هسته‌های تنسور A100 با بهره‌گیری از TF32، نسبت به Volta که پیش از آن عرضه شده بود، ۲۰ برابر سرعت عملکرد بیشتری دارد، در حالی که هیچ کدی تغییر نکرده است. بنابراین کار آموزش در مقیاسی مانند مدل زبانی BERT می‌تواند با استفاده از ۲۰۴۸ واحد پردازش گرافیکی A100 در مدت زمان کمتر از یک دقیقه حل شود که از نظر زمانی یک رکورد جهانی محسوب می‌شود.

تراشه های هوش مصنوعی 2021

جمع‌بندی

پیشرفته‌ترین سیستم‌های هوش مصنوعی امروزی، نیازمند تراشه های هستند که نه‌تنها فقط مخصوص به هوش مصنوعی نیستند، بلکه بسیار مدرن و مطابق آخرین پیشرفت‌های علمی نیز هستند. به‌علاوه، نیاز به افزایش سرعت و افزایش راندمان هزینه‌ها، عملاً ایجاد و استفاده از الگوریتم‌های هوش مصنوعی پیشرفته را بدون تراشه های هوش مصنوعی مدرن، غیرممکن می‌سازند. در مقابل نیز، به نظر می‌رسد که این قبیل پیشرفت‌ها و اتخاذ فناوری‌های هوش مصنوعی به‌طور کلی برای آینده هوش مصنوعی سودمند هستند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

این مطلب چه میزان برای شما مفید بوده است؟
[کل: ۰ میانگین: ۰]

سرویس‌های جدید هوش مصنوعی ابری اوراکل و فراهم ساختن یادگیری ماشین برای کسب‌وکارهای کوچک

مقاله قبلی

مقدمه‌ای بر معماری CNNها و متداول‌ترین لایه‌های آن

مقاله بعدی

شما همچنین ممکن است دوست داشته باشید

بیشتر در اخبار

نظرات

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد.