محققان پردازنده هزار هسته‌ای ساختند!

حتما تاکنون نامی از پردازنده‌های ۱۰ یا ۱۲ یا ۱۸ هسته‌ای شنیده‌اید ولی مطمئنا این خبر برایتان تازگی دارد. موسسه تحقیقاتی UC Davis پردازنده‌ای به نام KiloCore توسعه داده است که دربردارنده هزار هسته محاسباتی است و بسیاری از وظایف و کارهای پردازشی را در کمتر از یک ثانیه انجام می‌دهد.

با این پردازنده می‌توان بسیاری از کارهای محاسباتی مانند رمزنگاری، محاسبات علمی خرد، انکدینگ ویدیوها را به طور موازی و در کمترین زمان ممکن تا کنون انجام داد. کارایی این پردازنده فوق‌العاده و چشم‌گیر است. شما می‌توانید ۱۱۵ میلیارد دستورالعمل را در یک ثانیه انجام دهید ولی فقط ۰.۷ وات مصرف انرژی داشته باشید. یعنی برای راه‌اندازی و اجرای این تراشه فقط به یک باتری قلمی AAA نیاز است. فعلا نباید منتظر تولید انبوه این محصول بود. این پردازنده با آزمایشگاه‌های IBM و در مقیاس ۳۲ نانومتری ساخته شده است در حالی که پردازنده‌های تجاری موجود در بازار از فناوری‌های ۱۴ نانومتری استفاده می‌کنند. بنابراین؛ محققان و توسعه‌دهنده‌گان KiloCore به دنبال روش‌هایی برای کوچک‌تر کردن این واجد محاسباتی هستند. چیزی که از دل این خبر بیرون می‌آید؛ چشم‌انداز سال‌های آینده است و اینکه شما روی دستگاه‌های همراهی مانند موبایل یک پردازنده با این سطح از کارایی داشته باشید و بتوانید چندین کار سنگین را سریع انجام دهید در حالی که مصرف باتری موبایل به کمترین حد ممکن خودش رسیده است.

منبع: www.netco.biz

گوگل پردازنده‌ای ویژه هوش مصنوعی ساخت

امروزه بیش از ۱۰۰ تیم حرفه‌ای در گوگل از یادگیری ماشینی در حوزه‌های مختلف و همچنین بهبود عملکرد برنامه‌های کاربردی محبوب استفاده می‌کنند. Street View، صندوق پستی و جستجوی صوتی همه این برنامه‌ها به لطف یادگیری ماشینی به بهترین شکل عمل می‌کنند. اما در پس زمینه این نرم‌افزارهای محبوب، سخت‌افزارهای گوگل قرار دارند که همانند خورشیدی می‌درخشند. اگر به فعالیت‌های سخت‌افزاری گوگل نگاهی داشته باشیم، به خوبی مشاهده می‌کنیم که این شرکت با ساخت سخت‌افزارهای ویژه مراکز داده‌اش، بیگانه نیست. اما خبر طراحی یک پردازنده خاص، موضوع دیگری است.

این پردازنده خاص منظوره غول اینترنتی، یک واحد پردازش تانسو است که در اصل یک تراشه سفارشی ویژه یادگیری ماشینی است. در حالی که در ظاهر چنین به نظر می‌رسد که این پردازنده با هدف افزایش دقت وظایف هوش مصنوعی طراحی شده است، اما این چنین نیست. گوگل در ساخت این تراشه تمرکزش بر محاسبات خام بوده است. در نتیجه سعی کرده است  مصرف انرژی این تراشه را به حداقل رسانده تا در یادگیری ماشینی عملکرد بهتری داشته باشد. اگر این پردازنده را به لحاظ مصرف انرژی با پردازنده‌های رایج بازار مورد بررسی قرار دهیم، مشاهده می‌کنیم که این پردازنده با همان مصرف انرژی سریع‌تر کار می‌کند.

پروژه‌ای که نزدیک به یک سال مستتر بود!

گوگل نزدیک به یک سال پیش در سکوت کامل خبری کار روی پروژه‌ای در ارتباط با شتاب‌دهندگی پیشرفته در برنامه‌های کاربردی را آغاز کرد. پروژه‌ای که بر مبنای یادگیری ماشینی عمل می‌کرد. ماحصل این پروژه گوگل یک واحد پردازشی تانسور TPU بود. یک ASIC سفارشی که به‌طور خاص برای یادگیری ماشینی طراحی شده بود. تراشه‌ای که به بهترین شکل با پروژه یادگیری ماشینی منبع باز TensorFlow یکپارچه شده است. گوگل با استفاده از این تراشه‌‌ که مصرف انرژی آن بهینه‌سازی شده است، بسیاری از کارها را مدیریت کرده و فرآیندهایی همچون بهبود کیفیت نقشه‌ها و افزایش ضریب اعتماد به آلفاگو که برای شرکت در مسابقه Go آماده شده بود را بهبود بخشید. این همان تراشه‌‌ای بود که گوگل در بازی Go برای شکست قهرمان کره‌ای از آن استفاده کرد. تقریبا یک سال است که گوگل از این تراشه‌ها در مراکز داده‌ای خودش استفاده می‌کند.

اما دو نکته جالب توجه در ارتباط با این تراشه‌ها وجود دارد. اول آن‌که معماری این تراشه‌ها به گونه‌ای است که از هر وات مصرفی برای یادگیری ماشینی به صورت بهینه‌سازی شده‌ای استفاده می‌کند. دوم آن‌که گوگل دقت این تراشه‌ها را کمی کاهش داده است. این کاهش دقت باعث شده است تا از تعداد ترانزیستورهای کمتری برای انجام عملیات استفاده شود. این ترکیب به گوگل این توانایی را داده است تا عملیات بیشتری را در هر ثانیه به درون سیلیکون‌ها وارد کرده و از مدل‌های یادگیری ماشینی قدرتمندتری استفاده کرده و این مدل‌ها را بسط دهد. ماحصل این فعالیت‌ها در غالب ارائه نتایج هوشمندانه‌ای که به سرعت در حال رشد هستند به کاربران نشان داده می‌شود.

گوگل در ارتباط با دستاوردهای این شرکت در حوزه محاسبات پیشرفته گفته است: «هدف ما این است که به عنوان رهبری در صنعت یادگیری ماشینی شناخته شویم و نوآوری‌هایی که در این زمینه به وجود می‌آوریم را در اختیار مصرف کنندگان خودمان قرار دهیم. ساخت تراشه‌های TPU که در زیرساخت‌های گوگل مورد استفاده قرار می‌گیرد به ما اجازه می‌دهد تا قدرت گوگل در حوزه نرم‌افزارهایی همچون تانسورفلو و یادگیری ماشینی ابری را همراه با قابلیت‌های شتاب‌بخشی پیشرفته در اختیار توسعه دهندگان خود قرار دهیم. یادگیری ماشینی در حال تغییر این رویکرد است که چگونه توسعه‌دهندگان توانایی ساخت برنامه‌های هوشمندی را دارند که مزایایی را هم برای مصرف کنندگان و هم برای مشتریان به وجود آورد. ما با اشتیاق دوست داریم، آینده‌ای را مشاهده کنیم که این امکانات به بهترین نحو در زندگی مردم وارد شده باشد.»

لازم به توضیح است که شما توانایی خرید این پردازنده‌ها را ندارید، اما به خوبی تاثیرگذاری آن‌را بر هوش مصنوعی و از همه مهم‌تر بر سرویس‌های گوگل مشاهده خواهید کرد.

===============================www.netco.biz