IBM با تراشه TrueNorth، ساختار دیجیتالی مغز انسان را پیاده کرده است

کمپانی IBM بنچمارک تراشه‌ی TrueNorth مبتنی بر فناوری یادگیری عمیق را منتشر کرده که نشان از قدرت، سرعت و بهینه بودن بالای این تراشه در قیاس با تمام پردازنده‌های گرافیکی و پردازنده‌های موجود در بازار دارد. این تراشه روشی همچون مغز انسان برای پردازش اطلاعات را مورد استفاده قرار می‌دهد.

IBM از جمله‌ی کمپانی‌هایی است که در پی ساخت تراشه‌ای با ساختاری مشابه مغز انسان استو این کمپانی در نظر دارد تا قدرت تصمیم‌گیری و هوش در تراشه‌های مورد نظر را با عملکردی مشابه مغز انسان راهی بازار کند، حال آنکه به نظر می‌رسد IBM در این امر به موفقیت‌هایی دست یافته است.

تراشه‌ی TrueNorth این کمپانی به گونه‌ای طراحی شده که قادر است همچون مغز انسان به پردازش اطلاعات بپردازد. IBM در حال انجام آزمایش‌ها و بنچمارک‌هایی است تا نشان دهد این تراشه به چه اندازه سریع بوده و قدرت پردازشی بالایی را در مقایسه با رایانه‌های مجهز به تراشه‌های کنونی دارد.

نتایج به دست آمده از این تراشه بسیار جالب توجه است. IBM اعلام کرده که این تراشه قادر است با استفاده از یادگیری عمیق، تصمیمات خود را براساس احتمالات و نتیجه‌گیری از موارد مختلف اتخاذ کند که از این نظر بسیار شبیه به مغز انسان کار می‌کند. TrueNorth‌ در حالی چنین عملکردی دارد که تنها بخشی از انرژی مصرفی توسط تراشه‌های کنونی موجود در بازار را مورد استفاده قرار می‌دهد.

قابلیت یادگیری و پردازشی TrueNorth این امکان را فراهم کرده تا بتوان از این تراشه در تمام کاربردهایی استفاده کرد که نیاز به قدرت پردازشی این چنینی باشد. از جمله‌ی کاربردهای مورد نظر می‌توان به اینترنت اشیا، گوشی‌های هوشمند، رباتیک، خودروهای هوشمند، رایانش ابری و حتی ابررایانه‌ها اشاره کرد.

ابتدای سال جاری میلادی IBM‌ تراشه‌ی خود را در قالب رایانه‌ای که NS16e نام داشت، به نمایش گذاشت. این رایانه قابلیت به کارگیری در کاربردهایی نظیر شناسایی الگو، زبان‌های طبیعی و تصاویر را داشت که از طریق بهره‌گیری از شبکه‌های عصبی در واحد پردازشی محقق شده بود.

مغز انسان از وجود بیش از ۱۰۰ میلیارد نورون بهره می‌برد که با استفاده از میلیاردها میلیارد سیناپس به یکدیگر متصل شده‌اند. بخشی از این شبکه‌ی عصبی که در واقع پوسته‌ی شبکه‌ی عصبی مغز انسان است، وظیفه‌ی شناسایی دیداری را دارد، حال آنکه بخش‌های دیگری نیز از این شبکه‌ی عصبی مسئول پردازش اطلاعات دیگری هستند.

رایانه‌ی NS16e نیز همچون مغز انسان از وجود نورون‌های دیجیتال در مقیاس کوچک‌تر بهره می‌برد که شامل ۱۶ تراشه‌ی TrueNorth بود. هر یک از تراشه‌های TrueNorth از وجود یک میلیون نورون و ۲۵۶ سیناپس بهره می‌برد، بطوریکه این تراشه‌ها از طریق ارتباطات مداری به یکدیگر متصل شده‌اند. در NS16e حافظه، محاسبات و ارتباط بین زیر سیستم‌ها از نو طراحی شده تا بهینگی سیستم از نظر مصرف انرژی بیش از پیش کاهش پیدا کند.

براساس اطلاعات ارائه شده توسط IBM این تراشه قادر است برای شناسایی اطلاعات تصویر، ۱٫۲۰۰ تا ۲٫۶۰۰ فریم در هر ثانیه را مورد بررسی قرار دهد، حال آنکه میزان انرژی مصرفی توسط این تراشه ۲۵ تا ۲۷۵ میلی‌وات است. استخراج و شناسایی الگوها در تصاویری که توسط ۵۰ تا ۱۰۰ دوربین تولید شده، توسط این تراشه با نرخ ۲۴ فریم در هر ثانیه پردازش می‌شود. با استفاده از این تراشه می‌توان یک گوشی‌هوشمند را بدون نیاز به شارژ در طی چندین روز مورد استفاده قرار داد.

تراشه TrueNorth بسیار بهینه‌تر از پردازنده‌های گرافیکی، FPGAها و پردازنده‌های مورد استفاده در سرورهای امروزی است که در کاربردهایی نظیر شناسایی تصاویر و صدا مورد استفاده قرار می‌گیرند. فیسبوک، گوگل، مایکروسافت و بیدو از یادگیری عمیق برای ایجاد پاسخ‌ها در جهت ارائه‌ی نتایج مرتبط با شناسایی تصاویر و صدا استفاده می‌کنند. اغلب سرورهای کنونی مورد استفاده از وجود پردازنده‌های گرافیکی استفاده می‌کنند که مصرفی قریب به ۱۵۰ وات دارد.

تراشه‌ی TrueNorth از الگوریتم‌ها و روش‌های یادگیری عمیقی استفاده می‌کند که امکان پردازش از طریق بکارگیری داده‌های قدیمی در کنار اطلاعات جدید را فراهم می‌کند. محققان در حال حاضر الوریتم‌هایی را برای مدل‌های مختلف یادگیری ماشین توسعه می‌دهند، حال آنکه TrueNorth از الگوریتم‌های کنونی نظیر MatConvNet پشتیبانی می‌کند. دانشمندان می‌توانند مدل‌های را مبتنی بر MatConvNet توسعه دهند تا پردازش‌های مورد نیاز توسط TrueNorth انجام شود.

فرآیند استفاده از یادگیری ماشین و تراشه‌های مبتنی بر ساختار مغز انسان بسیار شبیه به روزهای ابتدایی توسعه بازی‌ها است. توسعه‌دهندگان تا چندی پیش بصورت مستقیم به پردازنده‌های گرافیکی دسترسی نداشته و ا زاین‌رو توانایی بهره‌برداری از ویژگی‌های پردازنده‌های گرافیکی را نداشتند. Vulkan با از میان برداشتن APIهای OpenGL و امکان استفاده از قابلیت‌های پردازنده‌های گرافیکی را فراهم آورده است.

از جمله‌ی قابلیت‌های یادگیری عمیق می‌توان به استفاده از آن در خودروهای هوشمند اشاره کرد که نیازمند قدرت پردازشی بالا برای هدایت خودروها با در نظر گرفتن داده‌های دریافتی از انواع سنسور‌ها هستند. TrueNorth پردازش‌های کم بار را در نورون‌ها انجام داده و برای پردازش‌های سنگین، قدرت پردازشی مجموع نورون‌ها با استفاده ارتباطات موجود، مورد استفاده قرار می‌گیرد. این تکنیک توسط اینتل و انویدیا نیز مورد استفاده قرار می‌گیرد، حال آنکه تراشه‌های این دو کمپانی بسیار بیشتر از TrueNorth انرژی مصرف می‌کنند.

IBM‌ در نظر دارد تا با استفاده از TrueNorth سیستمی را با قدرت پردازشی برابر مغز انسان تولید کند، اما چالش اصلی توسعه الگوریتم‌هایی است که بتواند از این قدرت پردازشی بالا استفاده کند. IBM تولید تراشه‌هایی با ساختار مشابه مغز انسان را از سال ۲۰۰۴ میلادی آغاز کرده است. این کمپانی یک مدل رایانه‌ای با شبیه‌سازی مغز گربه را در سال ۲۰۰۹ طراحی کرد. یک پیش نمونه از این تراشه‌ها در سال ۲۰۱۱ با بهره‌گیری از ۲۵۶ نورون دیجیتال رونمایی شد.

نظر شما در این خصوص چیست؟