سخت افزارهای محاسباتی
اصول هوش مصنوعیبینایی ماشینرایانش ابری و HPC

رشد چشمگیر هوش مصنوعی و چالش سخت افزارهای محاسباتی

    0
    مدت زمان مطالعه: ۴ دقیقه

    رشد بی‌حد و حصر هوش مصنوعی مستلزم قدرت محاسباتی بسیار بالایی است. ممکن است دو پردازنده فوتونی قادر به رفع این نیاز باشند و انقلابی در سخت‌افزارهای هوش مصنوعی پدید آورند. هوش مصنوعی تحول عظیمی در بسیاری از حوزه‌ها ایجاد کرده است که از جمله آنها می‌توان به تشخیص بالینی clinical diagnosis، اتومبیل‌های خودران Autonomous vehicles و ترجمه گفتار اشاره کرد. با این حال، حجمِ رو به رشد داده در جوامع امروزی، سخت افزارهای محاسباتی هوش مصنوعی را با چالش‌های بزرگی روبرو کرده است.

    در این راستا، سرعت محاسبات و مصرف برق از جمله مواردی هستند که باید مورد توجه ویژه قرار گیرند. این قیبل از مسائل، مسیر پیشرفت را برای هوش مصنوعی ناهموار کرده است. «ژو» ، «فلدمن» و همکاران‌شان با انتشار مقاله‌ای در مجله معتبر «Nature» به معرفی دو پردازنده فوتونی پرداخته‌اند که می‌تواند سرعت پردازش هوش مصنوعی را با توسل به ویژگی‌های متمایز نور افزایش دهد. این دستاوردها می‌توانند تحول چشمگیری در محاسبات نوری به ارمغان آورند.

    ظهور هوش مصنوعی به تدریج موجب محدودیت عملکردِ روش‌های محاسباتی الکترونیکی و سنتی شده است. از میان انواع مختلف ابزارهای هوش مصنوعی می‌توان به شبکه‌های عصبی مصنوعی اشاره کرد که به لطف عملکرد فوق‌العاده‌شان، کاربرد گسترده‌ای در فعالیت‌های هوش مصنوعی دارند. این شبکه‌ها عملیات پیچیده ریاضی را با استفاده از چند لایه نورون مصنوعی به‌هم‌پیوسته interconnected artificial neurons انجام می‌دهند. ضرب ماتریس در بردار یک عملیات بنیادی به شمار می‌رود که از اکثر منابع محاسباتی استفاده می‌کند.

    سیستم‌های محاسبه الکترونیکی

    تلاش‌های قابل‌ملاحظه‌ای برای طراحی و اجرای برخی از سیستم‌های محاسبه الکترونیکی صورت گرفته است. افزایش سرعت پردازش شبکه های عصبی مصنوعی، هدف اصلی این اقدامات عنوان شده است. محققان با بکارگیری تراشه‌هایی از قبیل مدارهای یکپارچه integrated circuits، محاسبات الهام گرفته شده از مغز انسان و محاسبات درون‌حافظه‌ای به موفقیت‌های چشمگیری نائل آمده‌اند. در این راستا، عملیات پردازش با طیفی از حافظه‌های موسوم به «ممریستور memristors» انجام می‌گیرد.

    الکترون‌ها حامل اطلاعات در محاسبات الکترونیکی هستند، اما بحث درباره فوتون‌ها photons از مدت‌ها پیش به عنوان گزینه‌ جایگزین مطرح بوده است. از آنجایی که طیف نور دامنه گسترده‌ای از طول موج‌ها را پوشش می‌دهد، این امکان وجود دارد که فوتون‌هایی با طول موج مختلف به صورت موازی انتقال یابند و به نحوی دستخوش تغییر قرار گیرند که قابلیت حمل اطلاعات را داشته باشند. این فرایند به نحوی انجام می‌شود که سیگنال‌های نوری با یکدیگر تداخل نداشته باشند.

    این شیوه انتشار اطلاعات که با سرعت نور انجام می‌گیرد، کمترین تاخیر زمانی را به همراه دارد. افزون بر این، انتقالِ منفعل passive transmission (که در آن نیازی به نیروی ورودی نیست) نقش بسیار موثری در کاهش مصرف برق دارد و تغییر فاز این فرصت را به نور می‌دهد تا به راحتی در فرکانس‌های بالاتر از ۴۰ گیگاهرتز تنظیم و آشکارسازی گردد.

    ارتباطات فیبر نوری در طی چند دهه گذشته با موفقیت‌های بی‌سابقه‌ای همراه بوده است. با این حال، استفاده از فوتون‌ها برای انجام محاسبات کماکان کار پردردسری به حساب می‌آید؛ به ویژه اگر هم‌سطح با پردازنده‌های الکترونیکی نوین باشد. این دشواری ریشه در نبودِ سازوکارهای پردازش موازی مناسب دارد؛ باید از مواد و تجهیزاتی استفاده کرد که زمینه را برای واکنش غیرخطی و پرسرعتِ نورون‌های مصنوعی فراهم کند و دستگاه‌های فوتونی مقیاس‌پذیر در سخت افزارهای محاسباتی به کار برده شوند.

    شانه‌های فرکانس نوری

    خوشبختانه، طراحی دستگاه‌هایی موسوم به «شانه‌های فرکانس نوری optical frequency combs» با پیشرفت‌های چشمگیری روبرو بوده است. بنابراین، فرصت‌های تازه‌ای برای پردازنده‌‌های فوتونی یکپارچه پدید آمده است. شانه‌های فرکانس نوری به مجموعه‌ای از منابع نوری اطلاق می‌شود که طیف نشرشان از هزاران یا میلیون‌ها خط طیفی تشکیل یافته است.

    این خطوط به طور یکنواخت و نزدیک به هم واقع شده‌اند. شانه‌های فرکانس نوری با موفقیتی مثال‌زدنی در حوزه‌های گوناگونی از قبیل طیف‌سنجی، مخابرات و تنظیم ساعت‌های نوری مورد استفاده قرار گرفته‌اند. جایزه نوبل فیزیک در سال ۲۰۰۵ به پاس ابداع این دستگاه اعطا شد. شانه‌های فرکانس نوری در تراشه‌های رایانه‌ای جایگذاری شده و به عنوان منابع انرژی کارآمدی در محاسبات نوری مورد استفاده قرار می‌گیرند. این سامانه بهترین گزینه برای پردازش موازی داده‌ها است.ژو و همکارانش از چنین سازوکاری برای تولید پردازنده‌های فوتونی یکپارچه استفاده کردند.

    این وسیله نوعی عملیات ضرب ماتریس در بردار انجام می‌دهد که به کانولوشن covolution (پیچش) در حوزه‌های پردازش تصویر معروف است. محققان از روش خلاقانه‌ای برای پیاده‌سازی این کانولوشن استفاده کردند. آنان همچنین از پراکنش کروماتیک chromatic dispersion برای ایجاد وقفه‌های زمانی مختلف در سیگنال‌های نوری استفاده نمودند. سپس، این سیگنال‌ها را در بُعد مرتبط با طول موج نور ادغام کردند.

    ژو و همکارانش با بکارگیری طیف وسیعی از طول موج‌های فوتون توانستند پردازش موازی را در عملیات کانولوشن مختلف پیاده‌سازی نمایند. سرعت پردازش نوری ده تریلیون عملیات بر ثانیه بیشتر از یک هسته پردازش بود. تنها محدودیتی که با آن دست و پنجه نرم می‌کردند، توان عملیاتی داده بود. از جمله ویژگی‌های جالب توجه این کار این است که محققان نقطه ورودی پردازنده کانولوشن فوتونی‌شان را در موارد کاربردی شناسایی می‌کنند. طبق پیشنهاد این محققان، این پردازنده قابلیت کاربرد در چارچوب الکترونیکی-نوری هیبرید از قبیل محاسبات in situ در طی ارتباطات فیبر نوری را دارد.

    انجام عملیات کانولوشن

    فِلدمن و همکارانش پردازنده فوتونی یکپارچه‌ای ساختند که عملیات کانولوشن را به همراه دسته‌ای از سیگنال‌های نوری با دو بُعد انجام می‌دهد. این وسیله از شانه‌های فرکانس نوری در معماری محاسباتی درون‌حافظه‌ای استفاده می‌کند؛ این معماری بر پایه موادی استوار است که بین حالت بی‌شکل و حالت کریستالی نوسان می‌کند. محققان داده‌های ورودی را با دستکاری طول موج به طور کامل به حالت موازی در آوردند و عملیات ضرب ماتریس در بردار را با طیفی از سلول‌های یکپارچه اجرا کردند.

    این چارچوب موازی می‌تواند کل تصویر را در یک مرحله با سرعت بالایی پردازش کند. علاوه بر این، امکان مقیاس‌بندی این سامانه با استفاده از روش‌های تولید تجاری نیز وجود دارد. باید در آینده‌ای نزدیک منتظر بکارگیری آن در یادگیری ماشین باشیم. چون فرایند کانولوشن با انتقال منفعل همراه است، به لحاظ نظری، محاسبات هسته پردازنده فوتونی می‌تواند با سرعت نور و مصرف برق پایین انجام گیرد. در حوزه‌هایی از قبیل رایانش ابری که به انرژی بسیاری نیاز دارند، ارزش این قابلیت بیش از پیش نمایان می‌شود.

    با توجه به چالش‌هایی که در روش‌های محاسبه الکترونیکی سنتی وجود دارد، ظهور دستگاه‌های فوتونی یکپارچه می‌تواند عملکرد معماری‌های محاسباتی آینده را به طرز بی‌سابقه‌ای افزایش دهد. با این حال، ساخت رایانه‌های نوری کاربردی مستلزم تلاش گسترده حوزه‌های گوناگون و همکاری محققان حوزه‌های علوم، فوتون، الکترونیک و غیره است. اگرچه این پردازنده‌های فوتونی دارای قدرت محاسباتی و مقیاس‌پذیری بالایی هستند، اما مقیاس محاسباتی تماما‌ً نوری کماکان نیاز به گسترش دارد.

    افزون بر این، وجود آن دسته از عناصر محاسباتی که نور را جذب می‌کنند، موجب محدودیت بازده انرژی شده است. توسعه معماری‌های محاسبات فوتونی یکپارچه و غیرخطی پیشرفته از دیگر حوزه‌های تحقیق برشمرده می‌شود؛ لذا فقط به کانولوشن‌های خطی تک‌بعدی یا دوبعدی بسنده نمی‌شود.

    انقلابی در سخت افزارهای محاسباتی

    چارچوب هیبرید نوری-الکترونیکی می‌تواند با ادغام مدارهای الکترونیکی و هزاران یا میلیون‌ها پردازنده فوتونی در قالب یک معماری مناسب، انقلابی در سخت افزارهای محاسباتی هوش مصنوعی ایجاد کند. این چارچوب از پردازنده‌های فوتونی و الکترونیکی بهره می‌برد. چنین سخت افزارهای محاسباتی می‌توانند کاربردهای مهی در حوزه‌هایی نظیر ارتباطات، عملیات مرکز داده و رایانش ابری داشته باشند.

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۱ میانگین: ۵]

    سرعت ابررایانه دانشگاه صنعتی امیرکبیر تا ۵ برابر افزایش یافت

    مقاله قبلی

    هوش مصنوعی در کتابخانه دیجیتالی نور به کمک محققین علوم اسلامی آمده است

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *