أحدث معالج Eyeriss من 168 نواة - شبكة عصبية في هاتفنا الذكي
مرحبًا بكم في قرائنا على صفحات مدونة iCover ! في المؤتمر الدولي لدوائر الحالة الصلبة (ISSCC-2016) الذي عقد في بداية شهر فبراير في سان فرانسيسكو ، قام فريق من المطورين من معهد ماساتشوستس للتكنولوجيا (MIT) (معهد ماساتشوستس للتكنولوجيا) بعرض النموذج الأولي الحالي لشريحة الجيل الجديد Eyeriss ، والتي تم إنشاؤها كحل مفاهيمي يسمح لك بإعادة إنشاء قدرات خوارزميات الشبكة العصبية في مجموعة واسعة من الأجهزة منخفضة الطاقة.
أحد الأسباب الموضوعية لعدم تطوير الشبكات العصبية الاصطناعية بشكل صحيح في الهواتف الذكية أو الأجهزة اللوحية لدينا هو عدم وجود مصدر طاقة مدمج للطاقة الكافية. في الواقع ، إن ما يسمى أنظمة الذكاء الاصطناعي "الشبيهة بالدماغ" الشبيهة بالدماغ ، على الأقل في الشكل الذي تمثله فيه التقنيات الحديثة ، تعتمد في عملها على معالجات قوية متعددة النواة تستهلك كمية لا تصدق من الطاقة مقارنة بدماغنا. على أي حال ، حتى وقت قريب لم يكن من الممكن تخيل مثل هذه الحلول على مستوى أجهزة فئة المستخدم. في الوقت نفسه ، تثير فكرة "تصغير" الذكاء الاصطناعي عقول المطورين لفترة طويلة ، وكما اتضح ، فإنها تجلب بالفعل نتائجها الملموسة.كانت الشبكات العصبية محط اهتمام العلماء منذ الأيام الأولى لدراسة الذكاء الاصطناعي ، ولكن في السبعينيات ، تم نسيانها إلى حد ما. في العقد الماضي ، تتم دراسة التقنيات المتعلقة باستخدام قدرات الشبكات العصبية على مستوى برامج "التعلم العميق".قال Vivienne Sze و Emanuel E. Landsman ، الأستاذ المساعد في معهد ماساتشوستس للهندسة الكهربائية وهندسة الكمبيوتر ، الذي طورت مجموعته: "التعلم العميق له العديد من الاستخدامات ، مثل الأشياء أو الكلام أو التعرف على الوجوه". رقاقة جديدة. "الآن ، الشبكات العصبية معقدة للغاية وتعمل بشكل أساسي على الرقائق القوية. تخيل أنه يمكنك نقل هذه الوظيفة إلى هاتفك المحمول أو جهازك المدمج ومن ثم معالجة كميات هائلة من المعلومات دون استخدام اتصال Wi-Fi. ستسمح لك معالجة كميات كبيرة من البيانات على هاتفك الذكي بتجنب التأخير الناتج عن تبادل البيانات مع الشبكة ، والذي بدوره سيسمح للعديد من التطبيقات بالعمل بكفاءة أكبر. وإلى جانب ذلكسيضمن الحل المقترح جودة جديدة لحماية المعلومات السرية ".يتم تنفيذ الشبكات العصبية ، كقاعدة عامة ، على أساس المعالجات الرسومية متعددة النوى (GPUs). في مؤتمر دولي في سان فرانسيسكو ، كشف باحثو معهد ماساتشوستس للتكنولوجيا عن رقاقة جديدة من 168 نواة مصممة لتنفيذ خوارزميات الذكاء الاصطناعي القائمة على الشبكات العصبية. بالمقارنة مع وحدة معالجة الرسوميات المحمولة (لم يتم الإشارة إليها ، مقارنة بأحدها) ، أظهر المعالج كفاءة أكبر 10 مرات ، مما يسمح لك باستخدام جهاز محمول مخصص لتشغيل خوارزميات الذكاء الاصطناعي القوية محليًا دون الحاجة إلى إرسال البيانات للمعالجة السحابية. تنعكس أبرز التطورات في البيان الصحفي لمعهد ماساتشوستس للتكنولوجيا في 3 فبراير 2016.يمكن استخدام الشريحة الجديدة ، التي دعا إليها مطورو Eyeriss ، على نطاق واسع في إنترنت الأشياء ، والإلكترونيات القابلة للارتداء ، والمركبات ذاتية القيادة ، ومعدات التصنيع ، وحتى في الزراعة ، مما يساعد على حل وتنسيق المهام الحالية. باستخدام خوارزميات الذكاء الاصطناعي ، ستتمكن الأجهزة المحمولة من اتخاذ قرارات على المستوى المحلي ، مما يوفر للمستخدم نتيجة جاهزة كدليل للعمل ، بدلاً من مجموعة من البيانات الأولية من الإنترنت. وبالطبع ، أحد تطبيقات الشبكات العصبية المحلية هو استخدامها في إنشاء روبوتات مستقلة لأغراض مختلفة.فرق تسد
تحتوي الشبكات العصبية ، كقاعدة عامة ، على بنية متعددة الطبقات وتحتوي كل طبقة على عدد كبير من عقد المعالجة. في المرحلة الأولى من المعالجة ، تصل البيانات ويتم توزيعها بين عُقد الطبقة السفلى. بعد معالجة البيانات المستقبلة من قبل كل عقد ، يتم إرسال النتيجة للمعالجة إلى عقد الطبقة التالية. عند إخراج الطبقة الأخيرة ، يتم تشكيل نتيجة حل المشكلة. وفقًا لذلك ، لحل المشكلات واسعة النطاق باستخدام الخوارزمية الموصوفة ، ستكون هناك حاجة إلى موارد حوسبة كبيرة.المتطلبات التي قدمها المطورون أنفسهم إلى الشريحة في البداية وضعتها في إطار صارم إلى حد ما: من ناحية ، يجب أن يكون الحل موفرًا للطاقة ، من ناحية أخرى ، يجب أن يعمل مع كتل بسيطة من المعلومات. أخيرًا ، يجب أن تمتلك الشريحة القدرة على محاكاة أنواع مختلفة من الشبكات العصبية ، مع مراعاة التحديات الحالية. تم تنفيذ جميع هذه المتطلبات بنجاح في معالج Eyeriss.الشريحة التي تم تطويرها في مختبر MIT هي شبكة عصبية تم تشكيلها بالفعل ومترجمة على مستوى معالج 168 نواة ، والذي يمكن دمجه في المستقبل في الأجهزة المحمولة.المفتاح لكفاءة Eyeriss هو تقليل تكرار تبادل البيانات بين النوى وبنوك الذاكرة الخارجية ، وهي عملية مرتبطة باستهلاك الطاقة المرتفع وتكاليف الوقت. بينما ترتبط نوى وحدات معالجة الرسومات التقليدية ببنك ذاكرة مشترك واحد ، فإن كل نواة Eyeriss لها ذاكرتها الخاصة. بالإضافة إلى ذلك ، تخضع البيانات لإجراء ضغط قبل الشياق إلى النوى المجاورة.ميزة أخرى للخوارزمية المنفذة هي قدرة النوى على "التواصل" مع بعضها البعض مباشرة ، وتجاوز "الوسيط" في شكل ناقل ذاكرة النظام. هذه ميزة حاسمة لمحاكاة الشبكة العصبية التلافيفية (CNN). يتم تنفيذ جميع الأعمال الحسابية اللازمة للتعرف على الأنماط والكلام محليًا في Eyeriss ، دون الحاجة إلى الوصول إلى موارد الشبكة ، مما يجعل من الممكن ضمان الأداء الفعال للجهاز حتى في حالة عدم وجود شبكة خارجية.أخيرًا ، هناك ميزة أخرى لـ Eyeriss وهي مبدأ التوزيع "الذكي" لمهام الحوسبة الفردية بين النوى في إطار مشكلة واحدة قابلة للحل. في ذاكرته المحلية ، يجب على النواة تخزين ليس فقط البيانات التي تتم معالجتها بواسطة العقد ، ولكن أيضًا البيانات التي تصف العقد نفسها. من أجل ضمان أقصى أداء لعملية معالجة البيانات ، بالإضافة إلى تحميل Eyeriss بالحد الأقصى من البيانات من الذاكرة الرئيسية ، تم تحسين خوارزمية توزيع البيانات من كلا النوعين بواسطة شريحة الوقت الحقيقي المصممة خصيصًا لهذا الغرض ، مع مراعاة خصائص الشبكة العصبية الحالية.في المؤتمر الدولي لدوائر الحالة الصلبة في سان فرانسيسكو ، أظهر فريق التطوير ، باستخدام إمكانات شريحة Eyeriss على مستوى المستخدم ، تنفيذ خوارزمية التعرف على الأنماط داخل الشبكة العصبية المحلية. تم تنفيذ مهمة مماثلة - تمت الإشارة إليها في بيان صحفي - في وقت سابق ، ولكن على مستوى المشاريع الحكومية لأحدث الشبكات العصبية التي تم إنشاؤها.قال مايك بولي ، نائب الرئيس الأول لمعمل معالجات الهاتف المحمول من سامسونج إنوفيشن لاب: "هذا العمل مهم جدًا لأنه يوضح مدى كفاءة المعالجات المدمجة المتضمنة في توفير الطاقة المطلوبة وأداء التحسين المطلوب وإحضار عمليات الحوسبة المعقدة من السحابة إلى الأجهزة المحمولة". مضيفًا: "بالإضافة إلى مجموعة مبتكرة من حلول الأجهزة ، توضح دراسة أجراها متخصصو معهد ماساتشوستس للتكنولوجيا بوضوح كيف يمكن أن يكون النواة المدمجة مفيدة في التطوير تطبيقات معالج باستخدام بنية الشبكة القياسية وAlexNet كافيه ».تمويل مشروع Eyeriss ، بدءاً بإنشاء وحدة تعتمد على مختبر MIT ، تم تمويله جزئيًا من قبل وزارة الدفاع الأمريكية DARPA. ليس من المستغرب أن يكون باتريك تاكر ، وهو محلل عسكري معروف ، أول شخص يرد على إعلان المعالج بمواد تحريرية مثيرة للإعجاب. ووفقا له ، فإن معالجات Eyeriss الجديدة المثبتة على الأجهزة المحمولة للجنود الأمريكيين ستكون قادرة على حل أكثر المشاكل الحاسوبية تعقيدا المرتبطة بمعالجة كميات ضخمة من المعلومات دون الاتصال بشبكة مشتركة.لذا ، في الوقت الحاضر ، تتلقى القوات الجوية الأمريكية ما يصل إلى 1500 ساعة من الفيديو عالي الدقة وما يصل إلى 1500 صورة عالية الدقة من الطائرات بدون طيار تحوم فوق أفغانستان. علاوة على ذلك ، يجب أن يحلل المشغلون بصريًا كل هذا التدفق اللامتناهي من المعلومات بالطريقة القديمة ، نظرًا لأن برامج الكمبيوتر الحالية غير قادرة على التمييز بين الفلاح الذي يتجول بالعصا على طول مسار الجبل من إرهابي مع قاذفة للصواريخ الموجهة. لحل هذه المشاكل ، تم إنشاء طرق التعلم الآلي بناءً على تدريب تمثيلي في البداية.تعتبر معالجات Eyeriss مناسبة بشكل مثالي للتثبيت على طائرات بدون طيار عسكرية ، لأنها ستسمح بمعالجة ذكية لمجموعة من الصور ومقاطع الفيديو باستخدام تقنيات "التعلم العميق" مباشرة على متن الطائرة. في الوقت نفسه ، يمكن إرسال البيانات المفيدة التي تم فحصها مباشرة إلى الوحدات القتالية العاملة في المنطقة المحددة متجاوزة المركز لتحليل المعلومات التشغيلية.ملخص موجزخلال التجارب ، أظهرت شريحة Eyeriss مستوى من كفاءة الطاقة أعلى بعشر مرات من تلك الموجودة في رقائق الرسومات المتحركة الحديثة. وفي الوقت نفسه ، وبمساعدة مساعدتها ، يتبين أنها ممكنة من الناحية التقنية لضمان تشغيل خوارزميات الذكاء الاصطناعي على الأجهزة ذات الأحجام الصغيرة - من الهواتف الذكية والأجهزة اللوحية - إلى الأجهزة الإلكترونية القابلة للارتداء. يتحول الحد الأدنى للتأخير الناتج عن الشبكات أثناء تبادل البيانات لمثل هذا المعالج ، حيث يمكن تنفيذ معظم الحسابات محليًا بواسطة الشريحة. على أساس Eyeriss ، سيكون من الممكن إنشاء ليس فقط جميع أنواع "الأجهزة الذكية" ، ولكن أيضًا الروبوتات بدرجة معينة من الاستقلالية في صنع القرار.لم يحدد مطورو معهد ماساتشوستس للتكنولوجيا حتى الآن فترات زمنية محددة ستتمكن خلالها Eyeriss من التحول إلى منتج تجاري وبكل طاقتها لإظهار قدراتها على مستوى المستهلك. بعض المشاركة في تطوير كبار خبراء NVIDIA والاهتمام الشديد من قبل الباحثين المسؤولين في Samsung يثير التفاؤل.المصدر
أعزائي القراء ، يسعدنا دائمًا أن نلتقي وننتظرك على صفحات مدونتنا. نحن على استعداد لمواصلة مشاركة أحدث الأخبار ومواد المراجعة والمنشورات الأخرى معك ، وسنحاول بذل قصارى جهدنا لجعل الوقت الذي تقضيه معنا مفيدًا لك. وبالطبع ، لا تنسى الاشتراك في أعمدتنا . مقالاتنا وأحداثنا الأخرى
Source: https://habr.com/ru/post/ar390627/
All Articles