IBM برای آموزش هوش مصنوعی تراشه می سازد

0
499

کالاسودا – محققان شرکت IBM تراشه ای با کارایی و سرعت بالا طراحی کرده اند که هوش مصنوعی را آموزش دهد.

به لطف تراشه های گرافیکی قدرتمند و پیشرفت هایی که در محاسبات پیچیده دارد، الگوریتم های هسته هوش مصنوعی راحت تر از پیش بهینه سازی می شود.  این تغییرات در سخت افزارهای فعلی کارایی ندارد، حتی GPUهای قدرتمند نیز میتوانند چند روز یا چند هفته برای اموزش شبکه های عصبی استفاده کنند.

این محققان در IBM به دنبال توسعه یک تراشه جدید ساخته شده برای آموزش هوش مصنوعی هستند. آنها در مقاله ای که در مجله Nature با عنوان “آموزش شبکه عصبی با استفاده حافظه آنالوگ” منتشر کرده اند، سیستمی را شرح داده اند که شامل ترانزیستورها و خازن هایی است که میتواند به سرعت شبکه های عصبی را با دقت و با کارایی بالا آموزش دهد.

این شبکه های عصبی شامل واحدهای متصل شده به نام نورون یا گره ها هستند که ورودی های عددی دریافت میکنند. در یک شبکه پایه، نورونهای فردی این ورودی ها را با یک مقدار وزنی خاص افزایش می دهند و آنها را به یک تابع فعالسازی منتقل می کنند که خروجی گره را تعریف می کند. انها با استفاده از یک استراتژی به نام Back propagation میانگین ها را در طول زمان تعدیل می کنند و دقت خروجی ها را افزایش می دهند.

واحدهای پردازش گرافیکی یا GPU ها برای این کار مناسب هستند، زیرا برخلاف پردازنده سنتی که از اعداد به هم پیوسته استفاده می کند، آقا قادر به انجام چندین محاسبه به صورت موازی هستند.

اما به دلیل اینکه پردازنده و حافظه در تراشه های گرافیکی فاصله زیادی با یکدیگر در مادربورد دارند، تاخیرها به عنوان رفت و آمد میان داده ها پیش می روند. استفانو امبروگیو محقق این موضوع در IBM در خصوص این پروژه می نویسد: کامپیوترهای متعارف کنونی میزان زیادی انرژی مصرف می کنند.

راه حل دانشمندان در این حالت ترکیبی از حافظه آنالوگ و قطعات الکترونیک سنتی است. سلولهای شخصی که از یک جفت حافظه تغییر فاز استفاده می کنند و ترکیبی از یک خازن و یک ترانزیستور هستند، مربوط به نورونهای فردی در شبکه هستند. این جفت واحدهای حافظه اطلاعات ذخیره شده در حافظه را ذخیره میکنند که در ترانزیستورها و خازن ها به عنوان بار الکتریکی نشان داده میشود.

خازن نمی تواند مقادیر عددی را برای بیش از چند میلی ثانیه حفظ کند اما می توان ان را به سرعت برنامه ریزی کرد. امبروگیو در این باره می گوید: ما می توانیم این محاسبات را اکنون به روشی بسیار دقیق با همان دقت نرم افزاری به انجام برسانیم.

با عضویت در کانال تلگرام کالاسودا فناورانه زندگی کنید

عضویت
مطلع شدن از
guest
0 نظرات
Inline Feedbacks
نمایش همه دیدگاه ها