جستجو
این کادر جستجو را ببندید.

نمونه اولیه تراشه هوش مصنوعی IBM؛ کاهش مصرف انرژی با الهام از مغز انسان

شرکت IBM می‌گوید به‌دنبال ساخت نمونه اولیه تراشه‌ای مخصوص هوش مصنوعی است که ساختاری شبیه مغز دارد و می‌تواند مصرف انرژی بسیار کمتری نسبت به تراشه‌های AI فعلی داشته باشد. این تراشه از ترانزیستوری بهره می‌برد که تنها به صفر و یک محدود نیست.

با افزایش شمار سیستم‌های هوش مصنوعی، مصرف انرژی سخت‌افزارهایی که این پردازش‌ها را انجام می‌دهند، بالاتر رفته است. به‌همین خاطر، IBM در پی نمونه اولیه تراشه‌ای است که با تقلید از ارتباطات درون مغز انسان، مصرف انرژی بهینه‌تری دارد.

اکثر تراشه‌ها دیجیتالی هستند، یعنی اطلاعات را به‌صورت صفر و یک ذخیره می‌کنند، اما این تراشه جدید از ممریستور یا ترانزیستور حافظه ساخته می‌شود. این قطعه آنالوگ است و می‌تواند دامنه‌ای از اعداد را ذخیره کند. تفاوت میان دیجیتال و آنالوگ را می‌توانید مشابه تفاوت بین یک کلید خاموش-روشن لامپ یا سوئیچی برای تغییر مقدار روشنایی در نظر بگیرید.

تراشه هوش مصنوعی IBM شبیه مغز عمل می‌کند

مغز انسان آنالوگ است و شیوه عملکرد ممریستورها هم شبیه سیناپس‌های مغز است. پروفسور «فرانته نری» از دانشگاه ساری انگلیس می‌گوید یک ممریستور می‌تواند تاریخچه الکتریکی خود را به‌خاطر بیاورد و ممریستورهایی که به هم متصل شده باشند نیز شبکه‌ای شبیه یک مغز بیولوژیکی را تشکیل می‌دهند.

بااین‌حال، تولید یک تراشه با ممریستور کار آسانی نیست. تولید این سخت‌افزارها هزینه بالایی دارد و با چالش‌های مختلف همراه است. منتها از آن‌جایی که عناصر دیجیتالی هم در این تراشه‌ها قرار داده خواهد شد، استفاده از آن‌ها در سیستم‌های موجود راحت‌تر خواهد بود.

امروزه حتی خیلی از گوشی‌ها تراشه مخصوص هوش مصنوعی دارند که در کارهایی مثل پردازش‌های دوربین استفاده می‌شوند. IBM امیدوار است که تراشه آنالوگ جدید آن‌ها بتواند در آینده جایگزین این تراشه‌ها در گوشی‌ها و خودروها شود و با مصرف انرژی پایین‌تر، عمر باتری بیشتری را برای این محصولات به ارمغان بیاورد. افزون‌براین، استفاده از این سخت‌افزارها در دیتاسنترها می‌تواند نیاز آن‌ها به آب برای خنک‌کنندگی را پایین بیاورد و به‌شکلی مضاعف برای محیط‌زیست مفید باشد.

لینک نوشته:







دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

ده − نه =

آخرین اخبار
آخرین مقالات
لینک های مفید