اخبار و گزارش هاهوش مصنوعی

تراشه اختصاصی گوگل رونمایی شد: Edge TPU

تراشه اختصاصی

پردازنده‌ی تنسور یا TPU تراشه‌ اختصاصی گوگل برای انجام پردازش‌های مبتنی بر هوش مصنوعی است که نسل سوم آن با عنوان TPU 3.0 رونمایی شد.

گوگل از عرضه یک تراشه و نرم‌افزار لبه‌ای خبر داده که می‌تواند چشم‌انداز شرکت‌های فعال در دنیای اینترنت اشیا را تغییر دهد و این غول دیجیتالی را در برابر رقبایی مانند آمازون و مایکروسافت جایگاهی برتر ببخشد. این شرکت در کنفرانس تکنولوژی Cloud Next خود توضیح داد که به منظور مدیریت داده‌های تولید شده توسط تعداد زیاد دستگاه‌های اینترنت اشیا، گوگل در حال پیمودن دو مرحله است، یکی در سخت‌افزار و یکی در نرم‌افزار تا قابلیت‌های تحلیلی و یادگیری ماشین خود را به شبکه‌های لبه‌ای و حتی تک دستگاه‌های اینترنت اشیا منتقل سازد.

اولین گام این است که گوگل ویژگی‌های پلت‌فرم نرم‌افزار کلاود اینترنت اشیا خود را به شبکه‌ لبه‌ای گسترش ‌دهد. دومین قدم، تراشه اختصاصی کوچکی است که می‌تواند در دستگاه‌های اینترنت اشیا ادغام شود و داده‌های جمع‌آوری شده را قبل از انتقال پردازش کند.

رایانش لبه‌ای که به معنای نوعی معماری در نظر گرفته می‌شود که در آن یک کامپیوتر تخصصی نزدیک به نقاط انتهایی اینترنت اشیا نصب می‌شود تا کار انجام تجزیه و تحلیل و پردازش داده‌ها را از آن نقطه‌ها انجام دهد، در مقایسه با حالتی که این اطلاعات تمام راه را برای ارسال به مرکز داده‌ها طی می‌کنند. به نظر می‌رسد رایانش لبه‌ای مدل آینده برای استقرار ‌اینترنت اشیا باشد، به ویژه با توجه به اهمیت کاستن از زمان تأخیر برای کاربردهای آینده.

ساندار پیچای، مدیرعامل گوگل در جریان رونمایی از تراشه‌ی تنسور جدید اعلام کرد که نسل جدید در مقایسه با پردازنده‌ای که سال گذشته رونمایی شد، ۸ برابر قدرتمندتر شده است، بطوریکه قدرت پردازشی TPU 3.0 به بیش از ۱۰۰ پتافلاپس رسیده است. گوگل در جریان رقابت در حوزه‌ی هوش مصنوعی با کمپانی‌های آمازون و مایکروسافت که اصلی‌ترین رقبای این کمپانی هستند، در کنار تراشه‌ی اختصاصی، پلتفرم تنسورفلو را نیز توسعه داده است. البته نباید در این بین فیسبوک را از یاد ببریم که پلتفرم و پردازنده‌ی اختصاصی خود را در دست توسعه دارد.

با این وجود، کریستیان رنود، مدیر تحقیقات اینترنت اشیا در مرکز پژوهشی ۴۵۱، می‌گوید مزایای فنی رایانش لبه‌ای به دلیل فاکتور مهم‌تر انسانی در درجه دوم اهمیت قرار دارد، مدیران اجرای عملیاتی فناوری (کارخانه، ناوگان وسایل نقلیه و غیره) که از تکنولوژی اینترنت اشیا  سود می‌برند، با انتقال کارکرد‌های مهم تحلیل و مدیریت به یک سیستم کلاود، حتی یک مورد خصوصی هم چندان راحت نیستند.

بنابراین انتقال دسته نرم‌افزاری اینترنت اشیا به سمت تجهیزات لبه‌ای به وسیله گوگل، مانع بالقوه جدی برای ورودش به دنیای اینترنت اشیا حذف می‌کند و این شرکت را برای مدیریت این فناوری به گزینه‌ای جذاب‌تر تبدیل می‌کند. همچنین، تراشه اختصاصی گوگل آن را نزدیک‌تر نسبت به رقبای خود یعنی مایکروسافت و آمازون قرار می‌دهد یعنی شرکت‌هایی که قبلا پلت‌فرم‌های اینترنت اشیا خود را به سمت رایانش لبه‌ای حرکت داده‌اند.

با ارائه چیپ اج تی‌پی‌یو که در کنفرانس کلاود نکست معرفی شد و سبب تسریع یادگیری ماشین به کمک نرم‌افزار هوش مصنوعی تنسور فلو می‌گردد به موقعیت گوگل در بین رقبا کمک چشمگیری شد. رنود توضیح می‌دهد: بر اساس اثرگذاری اج تی‌پی‌یو، این نه تنها سبب می‌شود گوگل به پای رقبایش برسد بلکه به آنها اجازه می‌دهد از دیدگاه تکنیکی حتی جلوتر هم رفته و سبقت بگیرد.

edge TPU یک تراشه سفارشی است که بزرگی اش تنها به اندازه کسری از یک سکه کوچک است و به طور خاص برای اجرای مدل‌های یادگیری ماشین TensorFlow Lite در دستگاه‌ها در نقاط انتهایی استفاده می‌شود. ایده این است که دستگاه‌ها خودشان اینترنت اشیا را برای انجام پیش‌بینی‌ها و کسب اطلاعات معنی‌دار استفاده کنند.

 تراشه‌ اختصاصی گوگل بنا به گفته این شرکت در وبسایتش می‌تواند برای فعال‌سازی پیش‌بینی‌گر، تشخیص آنومالی، چشم‌انداز ماشین، روباتیک و تشخیص صدا و موارد دیگر مورد استفاده قرار گیرند.

گوگل اعلام کرده که برای اولین بار و با معرفی این تراشه از سیستم خنک کننده با استفاده از مایعات برای کاهش حرارت سرورها در دیتاسنترهایش استفاده خواهد کرد. هرچند امروزه کمپانی‌هایی نظیرانویدیا قدرت تولید تراشه‌های محاسباتی بسیار سریعی را در حوزه‌ی هوش مصنوعی دارند، اما به نظر می‌رسد گوگل درصدد آن است تا نیاز خود از نظر سخت‌افزار و نرم‌افزاری را بصورت مستقل حل کند، از این‌رو است که غول جستجو پس از توسعه‌ی پلتفرم TensorFlow، تراشه‌های اختصاصی تنسور را نیز توسعه داده است. در صورت موفقیت گوگل، این کمپانی می‌تواند پردازش اطلاعات را بیش از پیش سریع‌تر انجام داده و در نتیجه کیفیت سرویس‌دهی خود را با کمک یادگیری ماشین و هوش مصنوعی بهبود دهد.

برای اطلاعات بیشتر به این لینک مراجعه کنید (https://cloud.google.com/edge-tpu).

مترجم: بابک جمالی

دیدگاهتان را بنویسید