تراشه های در حال توسعه بسیار زیادی وجود دارند که برای انجام سریعتر و کارآمدتر الگوریتم های هوش مصنوعی طراحی شده اند. مشکل این است که برای طراحی تراشه سالها طول می کشد و الگوریتم های یادگیری ماشین به سرعت پیشرفت می کنند. هدف اصلی، طراحی تراشه ای است که موجب بهینه سازی و پیشرفت هوش مصنوعی شود. شرکت Google برای حل این مساله تراشه هوش مصنوعی AI Chip را طراحی کرده است.
گوگل معتقد است كه هوش مصنوعی خود، موجب كوتاه كردن مدت زمان طراحی تراشه، ایجاد هماهنگی بین سخت افزار و هوش مصنوعی و هر پیشرفت دیگری در این حوزه می شود.
آینده هوش مصنوعی
آزالیا میرحسینی پژوهشگر ارشد شرکت گوگل می گوید: “الگوریتم ها و ساختارهای شبکه عصبی کنونی، پاسخگوی نسل امروز تکنولوژی هوش مصنوعی نیستند و شاید بتوان با کوتاه کردن چرخه طراحی، این مساله را حل کرد.”
میرحسینی و آنا گلدی شبکه عصبی طراحی کردند تا زمان طراحی الگوریتم های هوش مصنوعی را کاهش دهد و آن را “جایگذاری” نامیدند. این شبکه پس از یادگیری، می تواند در کمتر از 24 ساعت الگوریتمی را برای واحد پردازش Google Tensor ایجاد کند در حالیکه برای متخصصان انسانی چندین هفته طول می کشد تا چنین الگوریتمی طراحی کنند.
شبکه عصبی جایگذاری بسیار پیچیده و زمان بر است زیرا مستلزم قرار دادن بلوک های منطق و حافظه یا خوشه های آن بلوک ها (ماکرو) است به طوریکه نیازمند انرژی و کارایی بسیار بالایی است در حالیکه تراشه بسیار کوچک است. تیم پژوهشی گوگل برای حل این مساله تراشه هوش مصنوعی ( AI Chip ) را طراحی کردند، زیرا حتی با ابزارهای پیشرفته امروز، نیروی انسانی متخصص، برای تولید یک طراحی قابل قبول یک هفته زمان لازم دارد.
چگونگی طراحی تراشه هوش مصنوعی
گلدی و میرحسینی تراشه هوش مصنوعی را همانند مساله یادگیری تقویت کننده مدل کردند. سیستم های یادگیری تقویت کننده ، برخلاف یادگیری عمیق ، مجموعه بزرگی از داده های برچسب دار را آموزش نمی دهند، بلکه یادگیری در آن به صورت انجام و پاداش است به این ترتیب که هنگام موفقیت، با دریافت سیگنال پاداش، پارامترهای شبکه را تنظیم می کند. در واقع پاداش، ترکیبی از معیار کاهش انرژی، بهبود عملکرد و کاهش فضای مورد نیاز است. بنابراین AI Chip بهترین عملکرد را به عنوان ربات هوش مصنوعی اجرا می کند و بیشترین الگوریتم را در کمترین زمان ممکن طراحی می کند.
گوگل امیدوار است هوش مصنوعی منجر به طراحی تراشه های بیشتری با اندازه کوچکتر در مدت زمان مشابه، با سرعت بالاتر، مصرف انرژی کمتر، هزینه کمتر برای ساخت و فضای کمتر شود.
