تراشه‌های رایانه‌ای جدید می‌توانند بیشتر مانند مغز شما پردازش کنند

2024 نویسنده: Abigail Brown | [email protected]. آخرین اصلاح شده: 2023-12-17 06:46

موارد مهم

• تراشه‌های مبتنی بر معماری مغز انسان می‌توانند به هوشمندتر و کارآمدتر کردن ابزارها کمک کنند.
• BrainChip اخیراً پردازنده شبکه عصبی Akida خود را معرفی کرد.
• Mercedes از پردازنده BrainChip در خودروی مفهومی جدید مرسدس ویژن EQXX خود استفاده می کند که به عنوان "کارآمدترین مرسدس بنز ساخته شده تا کنون" معرفی شده است.

نسل جدیدی از گوشی‌های هوشمند و سایر ابزارها می‌توانند با تراشه‌هایی طراحی شوند که مانند مغز شما عمل کنند.

BrainChip اخیراً پردازنده شبکه عصبی آکیدا خود را معرفی کرد. این پردازنده از تراشه های الهام گرفته شده از ماهیت نوک تیز مغز انسان استفاده می کند. این بخشی از یک تلاش رو به رشد برای تجاری سازی تراشه های مبتنی بر ساختارهای عصبی انسان است.

نسل جدید تراشه ها می تواند به معنای "قابلیت پردازش شبکه عصبی عمیق تر در آینده در دستگاه های قابل حمل مانند تلفن های هوشمند، همراهان دیجیتال، ساعت های هوشمند، نظارت بر سلامت، وسایل نقلیه خودران و پهپادها باشد." ویشال ساکسنا، استاد دانشگاه مهندسی برق و کامپیوتر در دانشگاه دلاور در یک مصاحبه ایمیلی به Lifewire گفت.

مغز روی تراشه

BrainChip می گوید که بردهای جدید به دلیل عملکرد، امنیت و نیازهای کم انرژی می توانند به آغاز دوره جدیدی از هوش مصنوعی از راه دور که به عنوان محاسبات لبه نیز شناخته می شود، کمک کنند.

با تقلید از پردازش مغز، BrainChip از یک معماری پردازش اختصاصی به نام Akida استفاده می کند که هم مقیاس پذیر و هم انعطاف پذیر است تا نیازهای دستگاه های لبه را برطرف کند.در لبه، ورودی‌های حسگر در نقطه اکتساب به جای انتقال از طریق ابر به مرکز داده تجزیه و تحلیل می‌شوند.

شان هیر، مدیر عامل برین چیپ، در بیانیه خبری گفت: «من هیجان‌زده هستم که مردم بالاخره می‌توانند از دنیایی لذت ببرند که در آن هوش مصنوعی با اینترنت اشیا ملاقات می‌کند. ما بیش از یک دهه است که روی توسعه فناوری آکیدا خود کار می‌کنیم و با در دسترس بودن تجاری کامل AKD1000، آماده هستیم تا چشم‌انداز خود را به طور کامل اجرا کنیم. سایر فناوری‌ها به سادگی قادر به یادگیری خودکار و تدریجی در فوق‌العاده نیستند. -مصرف انرژی کم که راه حل های BrainChip می توانند ارائه دهند."

Mercedes از پردازنده BrainChip در خودروی مفهومی جدید Mercedes Vision EQXX خود استفاده می کند که به عنوان "کارآمدترین مرسدس بنز ساخته شده تا کنون" معرفی شده است. این خودرو از محاسبات نورومورفیک برای کمک به کاهش مصرف انرژی و افزایش برد خودرو استفاده می کند.تراشه نورومورفیک آکیدا BrainChip به جای استفاده از انتقال اطلاعات پرقدرت برای پردازش دستورالعمل‌ها، امکان شناسایی کلمات کلیدی داخل کابین را فراهم می‌کند.

یک مزیت قابل توجه برای تراشه های طراحی شده مانند مغز، که به آن طراحی نورومورفیک نیز می گویند، صرفه جویی در مصرف انرژی است. ساکسنا گفت: اگرچه محققان درک بسیار کمی از اساس شناخت دارند، اما مغز انسان تنها حدود 20 وات انرژی مصرف می کند.

"این به دلیل این واقعیت است که مغز "در محاسبات حافظه" و ارتباطات با استفاده از سنبله‌ها به شیوه‌ای مبتنی بر رویداد انجام می‌دهد، که به موجب آن انرژی تنها زمانی مصرف می‌شود که یک سنبله منتشر می‌شود..

تراشه‌های نورومورفیک برای کارهایی مانند رایانه‌های هوش مصنوعی یادگیری عمیق مناسب هستند زیرا انرژی بسیار کمتری مصرف می‌کنند. ساکسنا گفت: تراشه‌ها همچنین می‌توانند برای دستگاه‌های لبه‌ای مانند گوشی‌های هوشمند که قدرت باتری در آن‌ها محدود است، مفید باشند.

Future Chip Brains

BrainChip یکی از بسیاری از استارت‌آپ‌هایی است که بر روی تراشه‌های الهام گرفته از مغز تمرکز می‌کنند، به نام طراحی نورومورفیک، از جمله SynSense و GrAI Matter Labs. اینتل در حال کار بر روی تراشه نورومورفیک Loihi خود است، اما هنوز برای خرید در دسترس نیست.

گروه تحقیقاتی بین المللی IMEC در بلژیک شبکه های عصبی را برای توسعه دستگاه های صوتی، رادار و دوربین های بهتری که به رویدادهای خاص واکنش نشان می دهند توسعه می دهد.

تراشه‌های عصبی "توانایی یادگیری آنلاین را ارائه می‌دهند، و سیستم‌های حسی را با تغییرات دنیای واقعی تطبیق می‌دهند (به تغییر شرایط نور برای دوربین‌ها یا تغییرات فرد به فرد برای ابزارهای پوشیدنی فکر کنید)، "Ilja Ocket، مدیر برنامه در IMEC، در یک مصاحبه ایمیلی به Lifewire گفت.

تراشه‌های نورومورفیک همچنین می‌توانند به رایانه‌ها اجازه دهند مانند انسان‌ها ببینند. Prophesee از تکنیک های نورومورفیک برای پردازش بینایی استفاده می کند. رویکرد این شرکت دید مبتنی بر رویداد نامیده می‌شود، که فقط اطلاعاتی را که در یک صحنه تغییر می‌کند، به جای جریان پیوسته داده‌ها برای کل مکان‌هایی که دوربین‌های معمولی استفاده می‌کنند، ضبط و پردازش می‌کند.

Ocket گفت:تراشه‌های نورومورفیک روزی می‌توانند حسگرهای هوشمند بیشتری را در دستگاه‌هایی مانند پوشیدنی‌های هوشمند، هدست‌های AR/VR، روبات‌های شخصی و تاکسی‌های روباتی فعال کنند. تراشه‌های جدید می‌توانند وظایف هوش مصنوعی محلی را برای یادگیری و سازگاری با محیط‌های محلی و متغیر انجام دهند.

«همه اینها بدون نیاز به ارتباطات ابری، بنابراین امکان حفظ حریم خصوصی داخلی را فراهم می کند.»