photo
1399-04-24

مایکروسافت نوع جدیدی از پردازنده هوش مصنوعی را در ابر اضافه می کند

مایکروسافت با عرضه سیستم عامل محبوب خود در دهه های ۱۹۸۰ و ۱۹۹۰ به شهرت رسید. همچنین ترکیب سیستم عامل ویندوز با پردازنده های اینتل، باعث شد که با اصطلاح رایج Wintel شناخته شود. خدمات ابری آژور مایکروسافت در میان مشتریان از محبوبیت بالایی برخوردار هستند. مایکروسافت می خواهد با عرضه ی تراشه های جدید محبوبیت و کاربرد هوش مصنوعی را در این خدمات افزایش دهد. آن ها از چند روز پیش، دسترسی به پردازنده ی هوش مصنوعی را در آژور فراهم کردند که توسط استارتاپ بریتانیایی Graphcore توسعه یافته است.

Graphcore سال ۲۰۱۶ در بریستول تأسیس شد.Graphcore ادعا می کند که تراشه هایش به پردازش های مورد نیاز هوش مصنوعی شتاب می دهند. آن ها تا به امروز پردازنده های خود را به صورت عمومی به نمایش نگذاشته اند و خبری هم از بررسی های اولیه و نتایج آزمایش تراشه هایشان در دست نیست. مایکروسافت در دسامبر گذشته با سرمایه گذاری ۲۰۰ میلیون دلاری به Graphcore وارد شد. آن ها به دنبال پیدا کردن سخت افزاری هستند تا سرویس های ابری خود را برای مشتریان هوش مصنوعی جذاب ترکنند.

پردازنده های Graphcore برخلاف محصولات رایج دنیای پردازش هوش مصنوعی، از ابتدا برای بهینه سازی محاسبات این حوزه طراحی شده اند؛ محاسباتی که برای شناسایی بهتر چهره، درک صحبت ها، تفسیر زبان یا کاربرد هایی همچون رانندگی خودکار و آموزش ربات ها مفید هستند. استارتاپ بریتانیایی امیدوار است پردازنده ها برای شرکت هایی که فعالیت های کسب وکاری جدی مبتنی بر هوش مصنوعی دارند، جذاب باشد؛ شرکت هایی که در حوزه های خودروهای خودران، تجارت آنلاین یا هر فعالیت نیازمند پردازش حجم عمده ای از محتوای صوتی و تصویری هستند. به علاوه افراد محقق در زمینه ی کشف الگوریتم های نسل بعدی هوش مصنوعی نیز برای کشف مزیت های پلتفرم، جذب خواهند شد.

مایکروسافت و Graphcore برای نشان دادن توانایی پردازنده ها، نتایجی را منتشر کردند که برتری آنها را نسبت به محصولات رقیب مانند گوگل و Nvidia نشان می دهد. آنها برای بررسی خود از الگوریتم هایی استفاده کردند که مخصوص پلتفرم های رقیب نوشته شده بودند. کدهایی که به صورت اختصاصی برای سخت افزار Graphcore نوشته شده باشند، قطعا بازدهی بیشتری را نشان می دهند. شرکت های مذکور ادعا می کنند که برخی وظیفه های پردازش تصویری مشخص، در تراشه های Graphcore با سرعت چند برابری انجام می شود. به علاوه آنها یک مدل هوش مصنوعی برای پردازش زبان موسوم به BERT توسعه دادند که عملکردی بهتر نسبت به نمونه های موجود در سخت افزارهای رقیب را دارا می باشد.

مدل BERT برای فعالیت های متعدد هوش مصنوعی متمرکز بر زبان، اهمیت بالایی دارد. به عنوان مثال گوگل اعلام کرد که از الگوریتم مذکور در کسب وکار موتور جست وجوی خود استفاده می کند. مایکروسافت اعلام کرد که هم اکنون از تراشه های Graphcore برای پروژه های تحقیقاتی داخلی در حوزه ی هوش مصنوعی استفاده می کند که شامل پردازش زبان هستند. کارل فرود، تحلیلگر بازار تراشه های هوش مصنوعی در شرکت Moor Insights می گوید براساس نتایج، عملکرد تراشه ی جدید پیشرفته و البته دارای نقاط ضعف موردی به نظر می رسد. تراشه هایی با طراحی اختصاصی، احتمالا در کاربردهایی خاص، محصولات انویدیا و گوگل را شکست می دهند، اما توسعه ی اپلیکیشن برای آنها، دشواری هایی را برای توسعه دهنده ها به همراه دارد. او درباره ی تراشه ی گراف کور می گوید: آنها فعالیت خوبی انجام داده اند تا تراشه ی جدید را قابل برنامه نویسی کنند. عملکرد خوب همزمان در آموزش و تفسیر، همیشه از سوی آنها به عنوان قابلیت محصول بیان می شد، اما رسیدن به آن دشواری زیادی دارد. فرود اعتقاد دارد، همکاری با مایکروسافت برای Graphcore بسیار حیاتی است، چون مایکروسافت مسیر راحتی را برای مشتریان ایجاد می کنند تا سخت افزار مورد نظر را به کار بگیرند. تراشه ی جدید احتمالا برتری هایی نسبت به سخت افزارهای موجود دارد، اما به هرحال توسعه ی مجدد اپلیکیشن هوش مصنوعی برای پلتفرم جدید، دشوار است. فرود در نهایت میگوید به جز چند مورد محدود، عملکرد تراشه ی جدید آنقدر عالی نیست که شرکت های دیگر را به ترک سخت افزار و نرم افزار کنونی خود ترغیب کند.

Graphcore یک فریمورک نرم افزاری به نام Polar توسعه داده است که به برنامه های کنونی مبتنی بر هوش مصنوعی، قابلیت جابه جایی به سخت افزار جدید را می دهد. البته بسیاری از الگوریتم های کنونی، با نرم افزارهایی راحت تر هستند که روی سخت افزارهای رقیب نصب می شوند. در سال های اخیر، فریمورک نرم افزاری هوش مصنوعی Transflow از گوگل، به ابزار جامعی برای برنامه های هوش مصنوعی تبدیل شده است. فریمورک مذکور، به صورت اختصاصی برای تراشه های گوگل و اندروید توسعه یافت .انویدیا هم سال آینده یک تراشه ی هوش مصنوعی جدید به بازار عرضه می کند که احتمالا عملکرد بهتری نسبت به نمونه های موجود خواهد داشت.

Nigel Toon، هم بنیان گذار و مدیرعامل Graphcore می گوید همکاری آنها با مایکروسافت، یک سال پس از تأسیس استارتاپ شروع شد؛ همکاری که از طریق مرکز تحقیقات کمبریج مایکروسافت انجام می گرفت. تراشه های شرکت او برای وظایف شامل مدل های بزرگ هوش مصنوعی یا کاربردهای درگیر با داده های موقت، هماهنگی عالی دارند. یکی از مشتریان آنها در حوزه های مالی، پس از به کارگیری پردازنده ها، بهبود ۲۶ برابری الگوریتم های مورد استفاده در تحلیل بازار را گزارش کرد.

تعدادی از مشتریان کوچک و متوسط Graphcore به مرور استفاده پردازنده های این شرکت را در سرویس آژور شروع کرده اند. از میان آن ها می توان به Citadel اشاره کرد که از تراشه های مذکور برای تحلیل داده های مالی استفاده می کند. مثال دیگر،Quant بوده که به عنوان یک موتور جست وجوی اروپایی، با استفاده از سخت افزار گراف کور، الگوریتم تشخیص چهره ای به نام ResNext را توسعه داده است. اوج گیری صنعت هوش مصنوعی در سال های اخیر به اندازه ی کافی بازار تراشه های کامپیوتری را تکان داده است. بهترین الگوریتم های موجود، فرایندهای محاسباتی ریاضی موازی انجام می دهند که با استفاده از پردازنده های گرافیکی، با عملکرد بهتری انجام می شود. پردازنده های گرافیکی صدها هسته ی پردازشی ساده دارند. در مقام مقایسه، هسته های پردازشی پردازنده های مرکزی کمتر ولی پیچیده تر هستند. Nvidia ، غول دنیای پردازنده های گرافیکی موج ارائه ی خدمات پردازش با تمرکز بر هوش مصنوعی را مدیریت کرد. مدتی بعد، گوگل خبر از توسعه ی پردازنده ی اختصاصی خود داد که به نام Tensor Processing Unit یا TPU و مخصوص Tensorflow معرفی شد. پردازنده ی مذکور، معماری شبیه به پردازنده های گرافیکی دارد. Graphcore، تراشه های خود را به نام IPU یا «واحدهای پردازش هوشمند» معرفی می کند. تراشه های مذکور در داخل خود مجهز به حافظه هستند. تخصیص حافظه ی داخلی، مراحل انتقال داده به بخش حافظه و پردازش مجدد را کوتاه می کند که تأثیر بالایی در افزایش سرعت پردازش ها خواهد داشت. Facebook هم تصمیم دارد تا تراشه ی اختصاصی خود را برای کاربردهای هوش مصنوعی توسعه دهد. مایکروسافت قبلا در اخبار سخت افزاری هوش مصنوعی، خبر از تراشه های ساخت اینتل با قابلیت پیکربندی مجدد داده بود که توسط مهندسان شرکت برای کاربردهای هوش مصنوعی بهینه سازی می شوند. آمازون، یک سال پیش خبر داد که وارد حوزه ی تولید تراشه خواهد شد اما هدف آن ها، پردازنده ای با کاربرد عمومی تر و بهینه سازی شده برای سرویس های ابری بود. موج هوش مصنوعی، منجر به تأسیس استارتاپ های سخت افزاری متعدد شد که تراشه های اختصاصی گوناگونی را توسعه دادند. برخی از آن ها برای کاربردهای اختصاصی همچون رانندگی خودکار یا دوربین های نظارتی توسعه یافته اند . Graphcore و برخی دیگر، گزینه های منعطف تری را به مشتریان ارائه می کنند که برای توسعه ی کاربردهای هوش مصنوعی حیاتی هستند. البته تولید چنین تراشه هایی قطعا دشواری های بیشتری نیز به همراه دارد. آخرین دور جذب سرمایه ی استارتاپ مذکور، ارزش آن را به بیش از ۱/۷ میلیارد دلار رساند.

تراشه های Graphcore احتمالا ابتدا مورد توجه متخصصان هوش مصنوعی قرار می گیرد که توانایی نوشتن کدهایی برای استخراج مزایای آن ها را داشته باشند. بسیاری از محققان برجسته ی هوش مصنوعی همچون Demis Hassabis ، هم بنیان گذار DeepMind از خدمات Graphcore استفاده کرده و در آن سرمایه گذاری می کنند. Zoubin Ghahramani ، استاد دانشگاه کمبریج و مدیر آزمایشگاه هوش مصنوعی اوبر هم از سرمایه گذاران Graphcore محسوب می شود. Peiter Abbeel ، استاد دانشگاه یوسی برکلی و متخصص رباتیک و هوش مصنوعی هم در این استارتاپ سرمایه گذاری کرده است.

منبع خبر