اینتل با تراشه Liohi یادگیری ماشین را وارد مرحله جدیدی می‌کند

تراشه‌ی جدید اینتل با الهام‌ گرفتن از سازوکار مغز انسان، با اتصال بین نورون‌های سیلیکونی، یادگیری ماشینی را با استفاده‌ از داده‌‌های جدید ممکن می‌کند.

چنانچه از شما درخواست شود که حس فردی را در داخل یک ویدیو حدس بزنید، نورون‌های مغزتان، اطلاعات را در قالب نوسانات شدید الکترونیکی مبادله خواهند کرد. هنگامی که پژوهشگران اینتل چالش مشابهی روی نمونه‌ی اولیه‌ی Loihi، تراشه‌ی جدید سانتا کلارانشین‌ها پیاده کردند، این تراشه سعی در حل مسئله با هزاران نوسان «نورون‌های» سیلیکونی خود داشت. درست مانند نورون‌های بدن انسان، نورون‌های سیلیکونی تراشه‌ها نیز می‌توانند با تنظیم‌ کردن اتصال بینشان، خود را برای انجام تسک‌های جدید آماده کنند.

طرح جدید اینتل که نام آن از یک آتشفشان زیردریایی در هاوایی گرفته‌شده است، هنوز هم عملکردی مشابه مغز واقعی ندارد؛ اما از تراشه‌های عادی بسیار متفاوت است. سران اینتل معتقدند که به‌ لطف این راهکار جدید، روزی خودروها، دوربین‌ها و ربات‌هایی ساخته خواهد شد که بدون نیاز به اتصال به فضای ابری از طریق اینترنت، هوشمندتر از گذشته خواهند بود. قطع چنین ارتباطی نه‌تنها در نهایت نیاز به انتقال داده از طریق اینترنت را مرتفع خواهد کرد؛ بلکه در حفظ حریم خصوصی کاربران نیز سودمند خواهد بود.

طبق ادعای اینتل، آزمایش‌ها نشان می‌دهند که طرح الهام گرفته‌شده از مغز یا نورومورفیک این شرکت می‌تواند تسک‌هایی مانند تفسیر یک ویدیو را با استفاده از یک‌هزارم انرژی مورد نیاز تراشه‌‌های عادی انجام دهد. به‌ نظر می‌رسد مصرف انرژی پایین و قابلیت یادگیری Loihi در مواجهه با داده‌های جدید، نشان از آینده‌ای داشته باشد که در آن، ماشین‌ها بهتر از گذشته می‌توانند خود را با دنیایی وفق دهند که به‌طور مداوم در حال تغییر است. مایکل می‌بری، مدیر اجرایی واحد تحقیقات اینتل، در این رابطه می‌گوید:

Loihi جدیدترین تلاش اینتل برای بهره‌ گرفتن از محبوبیت کنونی هوش مصنوعی به‌عنوان موتور رشد جدید خود محسوب می‌شود. سال گذشته اینتل دو استارتاپ نروانا و مویدیوس را تصاحب کرد که در حال کار روی تراشه‌هایی برای قدرت‌ بخشیدن به یادگیری ماشین در فضای ابری و بینایی رایانه‌ای بودند. ماه مارس گذشته نیز اینتل شرکت موبایل‌آی را تصاحب کرد که در زمینه‌ی توسعه‌ی دوربین‌ها و تراشه‌های مورد نیاز در سیستم‌های رانندگی خودکار فعالیت داشت. اینتل برای رشد به کسب‌وکارهای جدیدی نیاز دارد. بازار کامپیوترهای شخصی که برای مدت مدیدی خود را تحت سلطه‌ی غول تراشه‌ساز سانتا کلارا می‌بیند، رو به زوال دارد و این شرکت مدتی می‌شود که سودای ورود به بازار سودده تراشه‌های موبایل را کنار گذاشته است.

استارتاپ‌‌هایی که اخیرا به تصاحب اینتل در‌آمده‌اند، تراشه‌هایی توسعه‌ داده‌اند که می‌توانند به شبکه‌‌های عصبی مصنوعی شتاب دهند. این تکنیک شالوده‌ی پیشرفت‌هایی نظیر آلفا‌گو (ربات قهرمان رقابت‌های Go‌ گوگل) محسوب می‌شود و شامل شبیه‌سازی آزادانه‌ی نورون‌هایی است که در کنار هم، برای فیلتر‌ کردن داده‌ها به‌کار می‌روند؛ اما فناوری کنونی اینتل و فناوری‌های مشابه دیگری که در تراشه‌های مبتنی بر هوش مصنوعی گوگل، مایکروسافت و اپل به‌ کار رفته‌اند، از طریق طرح تراشه‌های مرسوم به شبکه‌های عصبی قدرت می‌بخشند.

تراشه‌ی Loihi‌ اینتل متفاوت است؛ چرا که نورون‌های آنالوگ آن با سخت‌افزار یکپارچه شده‌اند و طراحی آن تفاوت‌های بنیادینی با تراشه‌هایی دارد که اکنون در دنیا به‌ کار می‌روند. در تراشه‌های مرسوم، داده‌ها به‌صورت مداوم بین پردازنده و حافظه‌ی مجزا جابه‌جا می‌شوند؛ اما «نورون‌های» تراشه‌ی Loihi و اتصال بین آن‌ها می‌توانند به‌صورت پردازنده و حافظه عمل کنند، بدین ترتیب در زمان و انرژی مورد نیاز برای جابه‌جایی داده‌ها صرفه‌جویی می‌شود. اتصال بین نورون‌ها، مانند سیناپس‌ها، در طول زمان می‌توانند با تقلید از مکانیزم یادگیری در مغز واقعی، مطابق با الگوی فعالیت خود تنظیم شوند. آزمایش‌های انجام‌شده برای بررسی این قابلیت، شامل نمایش ویدیو‌هایی از انجام حرکت‌های تمرینی مختلف مانند جلو‌بازو به تراشه و سپس به چالش کشیدن آن جهت شناسایی این حرکات تمرینی در ویدیوهای جدید است.

اینتل نخستین شرکتی نیست که تراشه‌‌ای را با الهام‌ گرفتن از علوم اعصاب توسعه می‌دهد. آی‌بی‌ام نیز دو نسل از تراشه‌ی نورومورفیک خود را توسعه داده است؛ اما این تراشه بر خلاف نمونه‌ی توسعه‌ داده‌شده توسط اینتل، قادر به یادگیری از داده‌های آینده نیست. تراشه‌ی آی‌بی‌ام زیر نظر دارپا (آژانس تحقیقاتی پنتاگون) شکل گرفت؛ آژانسی که امیدوار است سخت‌افزار نورومورفیک قادر به تحلیل خودکار ویدیو‌های ثبت‌شده از میدان نبرد باشد. آی‌بی‌ام قراردادهایی با دو لابراتوار برای ساخت سیستم‌های تحقیقاتی با تراشه‌هایش منعقد کرده؛ اما اطلاعاتی در خصوص عرضه‌ی گسترده و تجاری آن‌ها منتشر نکرده است.

برخی از پژوهشگرهای پیشرو در زمینه‌ی هوش مصنوعی نظیر یان له‌چون از فیسبوک، با اشاره به اینکه در حال حاضر برتری و انعطاف نوسانات نورون‌های سیلیکونی نسبت به نرم‌افزارهای یادگیری ماشین مبتنی بر تراشه‌های عادی ثابت نشده است، تردید خود را در خصوص آینده‌ی تراشه‌های نورومورفیک ابراز داشته‌اند. می‌بری معتقد است که روش یادگیری تراشه‌ی Loihi، آن را انعطاف‌پذیرتر از سیستم‌های پیشین خواهد کرد. پروژه‌ی وی احتمالا از زمان‌بندی مناسبی نیز سود خواهد برد.

تلاش‌های اخیر برای ساخت و به‌کارگیری تراشه‌هایی که از نرم‌افزار مبتنی بر هوش مصنوعی پشتیبانی می‌کنند، نشان‌دهنده‌ی نارضایتی شرکت‌ها از وابستگی صِرف به پیشرفت‌های به‌‌وجودآمده در زمینه‌ی فناوری ساخت تراشه‌های مرسوم هستند. توشار کریشنا، استادیاری از دانشگاه جورجیا تک، در این خصوص می‌گوید:

تمام این شرکت‌ها در حال پی‌ بردن به عقلانی بودن توسعه‌ی تراشه‌های سفارشی‌شده و ویژه هستند.

کریشنا نقض قانون مور (قاعده‌ای برای افزایش عملکرد CPU که زمانی قابل اتکا بود) را دلیل دیگری برای تمایل هرچه بیشتر شرکت‌ها برای پذیرش ایده‌های جدید عنوان می‌کند. در حال حاضر زمان زیادی تا استفاده‌ی گسترده و تجاری از تراشه‌های الهام‌ گرفته‌شده از ساز‌وکار مغز انسان باقی است؛ اما شاید زمان آن فرا رسیده تا نگاه جدی‌تری به آن‌ها شود.