کمپانی IBM یک تراشه هوش مصنوعی آنالوگ پیشگام را معرفی می کند که می تواند محاسبات هوش مصنوعی را کارآمدتر و دقیق تر کند.
IBM Research، تراشه هوش مصنوعی آنالوگ پیشگامی را معرفی کرده است. این تراشه قادر به اجرای شبکه‌های عصبی عمیق با دقت و کارایی بالاتر از تراشه‌های دیجیتال است. می باشد. این پیشرفت نشان می‌دهد گام مهمی در راستای دستیابی به محاسبات هوش مصنوعی با عملکرد بالا و صرفه جویی قابل توجه در انرژی است. این پیشرفت اخیراً در یک مقاله‌ای در Nature Electronics منتشر شده است
رویکرد سنتی برای اجرای شبکه‌های عصبی یادگیری عمیق در معماری‌های محاسبات دیجیتالی مرسوم محدودیت‌های خاصی در عملکرد و کارایی انرژی به وجود می‌آورد. این سیستم‌های دیجیتال، با انتقال ثابت داده بین حافظه و واحدهای پردازش، سبب کاهش سرعت محاسبات و بهره‌وری انرژی می‌شوند.
برای مقابله با این چالش ها، تحقیقات IBM از عملکرد هوش مصنوعی آنالوگ استفاده کرده که نحوه عملکرد شبکه عصبی در مغزهای بیولوژیکی را تقلید می کند. این رویکرد شامل ذخیره وزن های سیناپسی با استفاده از دستگاه های حافظه مقاومتی در مقیاس نانو، به ویژه حافظه تغییر فاز (PCM) است.
دستگاه های PCM رسانایی خود را از طریق پالس های الکتریکی تغییر می دهند و زنجیره ای از مقادیر را برای وزن های سیناپسی ممکن می سازند. روش آنالوگ می‌تواند نیاز به انتقال بیش از حد داده‌ها را کاهش دهد. زیرا در این روش، محاسبات مستقیماً در حافظه انجام می‌شود و این منجر به افزایش کارایی می‌شود.
تراشه هوش مصنوعی آنالوگ IBM در مقایسه با تراشه های دیجیتال سنتی تا 1000 برابر کارآمدتر است و می تواند توان مصرفی را تا 10 برابر کاهش دهد. این امر آن را به گزینه ای جذاب برای برنامه های هوش مصنوعی پرمصرف مانند تشخیص تصویر، تشخیص گفتار و ترجمه ماشینی تبدیل می کند.
تراشه جدید به تازگی معرفی شده که از هوش مصنوعی آنالوگ پیشرفته استفاده می‌کند. این تراشه ۶۴ هسته محاسباتی آنالوگ درون خود دارد.
هر هسته حاوی اطلاعات از سلول‌های کوچکی که به نام سیناپس شناخته می‌شوند تشکیل شده‌اند. در هر هسته تبدیل‌کننده‌های کوچکی وجود دارند که اطلاعات آنالوگ را به دیجیتال تبدیل می‌کنند و ارتباط بین ناحیه آنالوگ و دیجیتال را مدیریت می‌کنند. هر هسته شامل واحدهای پردازش دیجیتالی است که به تنظیمات خاصی برای فعال‌سازی عصبی و تغییر اندازه داده‌ها می‌پردازد. همچنین، در تراشه، یک واحد پردازش دیجیتال و مسیرهای ارتباطی دیجیتال نیز وجود دارند.
این تراشه با دقت ۹۲.۸۱ درصد در تشخیص تصاویر در مجموعه داده CIFAR-10 نشان‌دهنده سطح بالای دقت در تراشه‌های هوش مصنوعی آنالوگ است.
عملکرد این تراشه در هر منطقه با واحد گیگ در ثانیه (GOPS) اندازه‌گیری می‌شود و در مقایسه با تراشه‌های مشابه قبلی، بهترین عملکرد را دارد. این تراشه با طراحی کم مصرف و عملکرد پیشرفته، یک پیشرفت مهم در فناوری هوش مصنوعی می باشد.
پیشرفت IBM در زمینه هوش مصنوعی، یک پیشرفت قابل توجه است. این پیشرفت می‌تواند راه را برای محاسبات هوش مصنوعی کارآمدتر و مقرون به صرفه‌تر هموار کند.
معماری منحصر به فرد و قابلیت‌های فوق‌العاده این تراشه، پایه و اساسی برای آینده‌ای است که محاسبات هوش مصنوعی با مصرف انرژی کمتر در برنامه‌های مختلف امکان‌پذیر باشد. پیشرفت‌هایی که توسط IBM Research انجام شده‌اند، نقطه عطفی مهم در پیشرفت فناوری‌های مبتنی بر هوش مصنوعی به‌شمار می‌آیند و به تسریع پیشرفت‌های آینده کمک می‌کنند.
