هوش مصنوعی به فلش USB رسید !

   
نام نویسنده:
|
دسته بندی:
|
از این به بعد هوش مصنوعی همه جا با شماست ! شرکت موویدیوس چیپ ( Movidius chips ) اخیرا تعدادی از محصولات خود را وارد بازار کرده است . این شرکت همان سازنده ای است که توانست با کمک فناوری های مرتبط با شبکه های مصنوعی به شرکت DJI در ساخت درون های تشخیص دهنده موانع کمک کند و علاوه بر این شرکت فلیر (FLIR ) را به فناوری ساخت گونه ای از دوربین های حرارتی برساند که به طور خودکار مکان افراد گیر افتاده در آتش را شناسایی می کند . این سازنده هم اکنون با گوگل نیز برای یکپارچه سازی چیپ های خود با محصولات جدید این شرکت قرارداد بسته است . فاتوم

موویدیوس به تازگی از ساخت یک چیپ USB خبر داده که به گفته منابع خبری مرتبط با این سازنده توانایی بالایی در یادگیری عمیق ( Deep Learning ) مفاهیم پردازشی مختلف دارد . این فلش Fathom Neural Compute Stick نامیده شده است . فاتوم (Fathom  ) از یک واحد پردازش صوتی ( VPU ) Myriad 2 MA2450 و یک رم 512 مگابایتی LPDDR3 بهره می برد . Myriad 2 در واقع همان تراشه ای است که در ساخت محصولات نام برده شده DJI و فلیر مورد استفاده قرار گرفته بود . این تراشه می تواند مانند یک شبکه عصبی پردازش های زیادی را به طور همزمان انجام دهد . از آنجایی که این تراشه صرفا برای دست یافتن به چنین هدفی ساخته شده است ، معماری آن تفاوت زیادی با معماری واحد های GPU و CPU دارد . این تراشه می تواند کارهای زیادی را با انرژی کمی انجام دهد به این نحو که در واقع می تواند 150 میلیارد پردازش شناور را در مدت یک ثانیه تنها با مصرف 1.2 وات انرژی تکمیل سازد . 

فاتوم برای داشتن یادگیری عمیق مانند تگرا (Tegra  ) ، یک سیستم مستقل نیست ؛ به این نحو که کاربر برای استفاده از این تراشه باید آن را به پورت USB 3.0 یک سیستم که از پلت فرم لینوکس بهره می برد ، متصل کند تا فاتوم بتواند به یک محیط کارایی 20-30x در یک پردازش عصبی دست یابد . کاربران می توانند از فاتوم به منظور ساخت نمونه های اولیه شبکه های عصبی استفاده کند .

فرآیند عملکرد فاتوم تصویر یک شبکه بندی عصبی را در ذهن تداعی می کند که پیچیدگی های زیادی دارد . فاتوم از شبکه ها و مجموعه داده های شبکه هایی که در Caffe و TensorFlow ( دو فریم وورک محبوب در حوزه یادگیری عمیق ) تعریف شده اند ، استفاده می کند . برای اجرای شبکه در Myriad 2 ، کاربر باید از ابزار موویدیوس استفاده کند . در نگاه اول همه چیز فرآیندهای پردازشی CUDA و cuDNN را در ذهن نمایان می کند ، به این نحو که کاربر می تواند در محیطی از فاتوم استفاده کند که در آن خبری از پردازشگرها و واحدهای پردازش گرافیکی قوی نیست .

فاتوم دستگاه بسیار جالبی می باشد و البته مانند هر دستگاهی که شبکه های عصبی ساده را روی ماشین های کم توان اجرا می کند ، سرعت آهسته ای هم دارد . در حال حاضر بهترین راه برای ساختن نمونه اولیه یک شبکه استفاده از یک سیستم کلود مبنا می باشد که مدت زیادی است که وارد دنیای پردازش های کامپیوتری شده است . توانایی انجام دادن مجموعه زیادی از پردازش ها در یک لپ تاپ با استفاده از سیستم هایی مانند کلود و فاتوم می تواند فرآیند های ساخت یک شبکه را تا حد زیادی ساده و هزینه های آن را به میزان زیادی کاهش دهد . 

توانایی های فاتوم به این امور ساده خلاصه نمی شود . این فناوری می تواند مزایای زیادی برای صنایع روباتیک ، درون سازی و همچنین ساخت و ساز در مقیاس گسترده داشته باشد . به طور مثال اگر که فاتوم را به یک Raspberry Pi وصل کنید ، می توانید به سادگی تعداد زیادی از قابلیت های پیشرفته پردازشی رایانه ای را به دستگاهی مانند یک GoPro انتقال دهید . هدف آینده نگرانه موویدیوس چیپ این است که صنایع بیشتری از تراشه های Myriad در ساخت محصولات خود استفاده کنند اگرچه که در راه رسیدن به چنین هدفی فاتوم نقشی کلیدی را برعهده دارد .

جامعه هوش مصنوعی نیز واکنش های مثبت زیادی به عرضه فاتوم نشان داده است . به طور مثال ، دکتر یان لی چان ، مدیر بخش هوش مصنوعی فیس بوک ، گفته که مدت زمان زیادی در انتظار عرضه محصولی مانند فاتوم بوده است . وی می گوید با استفاده از فاتوم هر روبات کوچک و بزرگی می تواند قابلیت های پردازشی هنرمندانه ای داشته باشد . پیت واردن ، مدیر فنی بخش هوش مصنوعی گوگل ، نیز گفته است که فاتوم تنظیم و اجرای شبکه های پیچیده هوش مصنوعی در دستگاه های مختلف را تا حد زیادی تسهیل می کند . 

سازنده فاتوم گفته است که عرضه عمومی فناوری جدید خود را تا چند ماه آینده آغاز می کند اگرچه که برخی از شرکت ها هم اکنون فاتوم های خود را دریافت کرده اند . در مورد قیمت این محصول نمی توان با اطمینان حرفی زد اما برخی از منابع خبری گفته اند که موویدیوس چیپ در نظر دارد فاتوم را با قیمتی کمتر از 100 دلار وارد بازار کند . 

منبع: engadget

اخبار مرتبط

دیگر اخبار نویسنده

ارسال نظر


شخصی سازی Close
شما در این صفحه قادر به شخصی سازی نمیباشید