یادگیری عمیق با تراشه جدید IBM
به گزارش مجله حیات، محققان مؤسسه IBM نخستین تراشه جدید شتاب دهنده هوش مصنوعی را طراحی نموده اند که می تواند علاوه بر ارتقای فناوری یادگیری عمیق (deep learning)، میزان مصرف انرژی را نیز تا حد زیادی کاهش دهد. این تراشه 7نانومتری و چهار هسته ای، می تواند مدل های مختلف هوش مصنوعی را حمایت کند. به گفته محققان این مؤسسه، به موازات افزایش پیچیدگی مدل های گوناگون هوش مصنوعی، سخت افزار ها برای ادامه کار و پردازش دیتا و اطلاعات احتیاج به انرژی زیادی دارند، اما این شتاب دهنده های سخت افزاری هوش مصنوعی بدون احتیاج به مقادیر بالای انرژی، می توانند در محیط های ابری هیبریدی فعالیت نمایند.
به گزارش ایران، شتاب دهنده های هوش مصنوعی درواقع سخت افزار هایی محسوب می شوند که عملکرد الگوریتم ها را افزایش می دهند و می توانند عملکرد مدل های مختلف هوش مصنوعی را سرعت بخشند. این تراشه ها همچنین می توانند در کامپیوتر های دیداری یا کامپیوتر هایی که زبان را پردازش می نمایند و نیاز به داده ها و اطلاعات بسیار زیادی دارند نیز بر نتیجه مطلوب کار تأثیر زیادی داشته باشند.
محققان مؤسسه IBM در جدیدترین تراشه شتاب دهنده هوش مصنوعی خود به موضوع مقابله با گرمایش کره زمین و کاهش میزان انتشار گاز های گلخانه ای نیز توجهی ویژه داشته اند و به همین دلیل هم در محصول خود همه تلاششان را به کار گرفته اند تا کمترین میزان کربن را در مراحل پردازش کار فراوری نمایند.
محور و اصل چالش موجود در فناوری که بتازگی این محققان ارائه داده اند، این است که درنهایت به یک فناوری دست یابند که به انرژی زیادی نیاز نداشته باشد و حفاظت از محیط زیست را نیز در کانون توجه قرار دهد. یکی از راه حل هایی که محققان برای انجام این کار مورد استفاده قرار دادند، بهره دریافت از تکنیک هایی خاص برای کاهش دقت در تراشه های شتاب دهنده است. آن ها اعتقاد دارند که از این طریق می توان آموزش یادگیری عمیق و ماشینی را تقویت کرد، در حالی که زمان و انرژی مورد نیاز برای آموزش یک مدل هوش مصنوعی به طرز قابل توجهی کاهش یابد.
ازآنجا که تراشه شتاب دهنده مجهز به ویژگی مدیریت برق یکپارچه است می تواند عملکرد خود را به حداکثر برساند، به عنوان مثال سرعت در مراحل محاسبات با مصرف زیاد انرژی را کاهش دهد. تراشه جدید ارائه شده توسط محققان مؤسسه IBM درواقع برای آموزش با دقت کم بسیار بهینه شده است. این نخستین تراشه سیلیکونی است که از یک تکنیک با دقت بسیار کم به نام قالب ترکیبی FP8 استفاده می نماید و یک روش آموزش هشت بیتی است که توسط موسسه Big Blue ایجاد شده و عملاً دقت مدل را در برنامه های یادگیری عمیق مانند طبقه بندی تصویر یا تشخیص گفتار و جسم حفظ می نماید.
این تراشه همچنین از کاربرد بالایی برخوردار است و آزمایشات محققان مؤسسه IBM نشان می دهد که این تراشه برای استفاده در آموزش موفقیتی بیش از 80 درصد کسب نموده که این رقم بسیار بیشتر از استفاده معمولی GPU است. درواقع هم سطح عملکرد هوش مصنوعی تراشه های آموزشی بالاتر می رود و هم میزان مصرف انرژی نسبت به نمونه های مشابه تا حد زیادی کاهش می یابد.
محققان اکنون امیدوارند که این طرح ها بتوانند برای حمایت از کاربرد های پیچیده هوش مصنوعی و به صورت تجاری استفاده شوند که از آن ها می توان به مدل های آموزش عمیق در مقیاس عظیم در فضای ابری ازجمله خدمات گفتاری و متن هوش مصنوعی، تشخیص تقلب در معاملات اقتصادی و... اشاره نمود. از این فناوری جدید IBM همچنین می توان در وسایل نقلیه، دوربین های امنیتی و تلفن های همراه استفاده کرد تا انرژی کمتری مصرف گردد.
منبع: فرارو