تراشه‌ی بیولوژیکی IBM (بخش دوم)
در بخش نخست این مقاله آوردیم که شرکت IBM موفق به تولید تراشه‌هایی شده است که مشابه مغز انسان عمل می‌کند. همچنین به این نکته اشاره کردیم که از این تراشه می‌توان در الگوی یادگیری عمیق استفاده کرد. در ادامه مطالب بیشتری راجع به این تراشه و نقش آن در الگوریتم یادگیری عمیق خدمت خواننده‌ی محترم می‌آوریم.
به گزارش واحد فناوری اطلاعات سایبربان؛ در واقع الگوریتم یادگیری عمیق به دستگاه‌هایی با قدرت پردازشی بسیار بالا نیاز دارد که دیتاسنترهای آن در فاصله‌ی دوری از تلفن‌های هوشمند قرار داشته و تلفن‌ها از طریق اینترنت با آن ارتباط برقرار می‌کنند. انگیزه‌ی ساخت تراشه‌ی TrueNorth کمک به انجام پردازش‌های سنگین بر روی تلفن‌های هوشمند و دیگر ابزارهای شخصی مردم است. تراشهای که هوش مصنوعی و فواید آن را وارد زندگی مردم می‌کند.
برای این‌که متوجه شوید الگوریتم یادگیری عمیق در حالت‌های مختلف چگونه کار می‌کند، یک مقایسه در زیر آورده شده است.
ابتدا شرکت‌هایی مانند گوگل و فیس‌بوک را تصور کنید که می‌خواهند عکس یک گربه را به کمک سیستم‌های خود به‌طور کاملاً خودکار تشخیص دهند. آن‌ها نیاز دارند برای این کار الگوریتم شبکه‌ی عصبی خود را با تعداد بسیار زیادی از عکس‌های گربه تغذیه کنند. پس از این کار یک الگوریتم شبکه‌ی عصبی دیگر وارد عمل شده و آن عکس‌ها را تحلیل می‌کند. اکنون سیستم آماده است که شما عکس خود را از طریق اینترنت بفرستید تا بررسی شود که آیا در عکس گربه‌ای وجود دارد؟ تراشه‌ی TrueNorth که امروزه به وجود آمده انجام این کار را ساده کرده است.
درحالی‌که در مدل گوگل و فیس‌بوک باید به دیتاسنترهای بزرگ آموزش داده شود، این تراشه کمک می‌کند تا جستجوی یک عکس را به‌راحتی انجام دهد. به خاطر کوچک بودن و کم‌مصرف بودن این تراشه می‌توان از آن‌ها در ابزارهای هوشمند قابل‌حمل استفاده کرد. این تراشه به کارهای شما سرعت بیشتری می‌دهد و دیگر نیازی ندارید که اطلاعات خود را از طریق اینترنت بفرستید تا جواب آن‌ها را دریافت کنید. درصورتی‌که این تراشه به تولید انبوه برسد فشار زیادی از روی مراکز دیتاسنتر برداشته می‌شود.
نورون‌ها، سیناپسها و سلول‌های عصبی:
شرکت گوگل در حال تحقیق بر روی شبکه‌های عصبی است که قابل‌اجرا در تلفن‌های همراه باشند؛ اما از نظر پیتر دیل (Peter Diehl)، دانشجوی دکترای محاسبات دانشگاه زوریخ، تراشه‌ی TrueNorth توانسته است در این زمینه چند قدم جلوتر از گوگل حرکت کند. او توضیح داد که تراشه‌های IBM سازگاری بهتر و بیشتری با الگوریتم‌های یادگیری عمیق دارند. بر روی هر تراشه یک میلیون سلول عصبی قرار گرفته است. این سلول‌های عصبی از طریق پل‌های ارتباطی مانند سیناپسها (رابط بین سلول‌های عصبی و مغز جانداران) با هم ارتباط برقرار می‌کنند.
راه‌اندازی این تراشه‌ها با تراشه‌هایی که امروزه در فروشگاه‌ها می‌بینید و دارای GPU و FPGA هستند، متفاوت است. نحوه‌ی کار کردن و استفاده از این تراشه‌ها بسیار سادهتر است. به‌عنوان‌مثال، به کمک آن می‌توان به‌راحتی تغییر صدای یک نفر را در هنگامی‌که صحبت می‌کند نشان داد. یکی از طراح‌های این تراشه، گفت: «شما می‌توانید عملکرد این تراشه را مانند فرستادن پیغامی یک بیتی از یک سلول به سلول عصبی دیگر تصور کنید.»
این تراشه شامل 5.4 میلیارد ترانزیستور می‌شود که مصرف برقی معادل 70 میلی وات دارد. این در حالی است که تراشه‌های استاندارد شرکت اینتل دارای 1.4 میلیارد ترانزیستور هستند که مصرف برق آن‌ها بین 35 تا 140 وات متغیر است. همچنین تراشه‌های ARM که در تلفن‌های هوشمند به کار می‌روند و کم‌مصرف نیز هستند در مقایسه با TrueNorth چندین برابر مصرف بیشتری دارند.
