مایکروسافت و نوع جدیدی از پردازنده‌ هوش مصنوعی

خدمات ابری آژور مایکروسافت در میان مشتریان محبوبیت بالایی دارند. ردموندی‌‌ها می‌خواهند با عرضه‌ی تراشه‌های جدید کاربردی هوش مصنوعی در این خدمات، محبوبیت و کاربرد سرویس‌های خود را افزایش دهند. آن‌ها از چند روز پیش، دسترسی به پردازنده‌ی هوش مصنوعی را در آژور فراهم کردند که توسط استارتاپ بریتانیایی Graphcore توسعه یافته است.

استارتاپ Graphcore سال ۲۰۱۶ در بریستول تأسیس شد و توجه محققان هوش مصنوعی را به خود جلب کرد؛ توجهی که میلیون‌ها دلار سرمایه‌گذاری را در پی داشت. این استارتاپ ادعا می‌کند که تراشه‌هایش به پردازش‌های مورد نیاز هوش مصنوعی شتاب می‌دهند. آن‌ها تا به امروز پردازنده‌های خود را به‌صورت عمومی به نمایش نگذاشته‌اند و خبری هم از بررسی‌های اولیه و نتایج آزمایش تراشه‌هایشان در دست نیست.

مایکروسافت، دسامبر گذشته با سرمایه‌گذاری ۲۰۰ میلیون دلاری به استارتاپ Graphcore وارد شد. آن‌ها به‌دنبال پیدا کردن سخت‌افزاری هستند تا سرویس‌های ابری خود را برای مشتریان رو‌به‌رشد کاربردهای هوش مصنوعی جذاب‌تر کنند.

پردازنده‌های Graphcore برخلاف محصولات رایج دنیای پردازش هوش مصنوعی، از ابتدا برای بهینه‌سازی محاسبات این حوزه طراحی شده‌اند؛ محاسباتی که برای شناسایی بهتر چهره، درک صحبت‌ها، تفسیر زبان یا کاربردهایی همچون رانندگی خودکار و آموزش ربات‌ها مفید هستند. استارتاپ بریتانیایی امیدوار است پردازنده‌ها برای شرکت‌هایی که فعالیت‌های کسب‌وکاری جدی مبتنی بر هوش مصنوعی دارند، جذاب باشد؛ شرکت‌هایی که در حوزه‌های خودروهای خودران، تجارت آنلاین یا هر فعالیت نیازمند پردازش حجم عمده‌ای از محتوای صوتی و تصویری هستند. به‌علاوه افراد محقق در زمینه‌ی کشف الگوریتم‌های نسل بعدی هوش مصنوعی نیز برای کشف مزیت‌های پلتفرم، جذب خواهند شد.

مایکروسافت و گراف‌کور برای نشان دادن توانایی پردازنده‌ها، نتایج بنچمارک‌هایی را منتشر کردند که برتری آن‌ها را نسبت به محصولات رقیب از گوگل و انویدیا نشان می‌دهد. آن‌ها برای بررسی خود از الگوریتم‌هایی استفاده کردند که مخصوص پلتفرم‌های رقیب نوشته شده بودند. کدهایی که به‌صورت اختصاصی برای سخت‌افزار گراف‌کور نوشته شده باشند، قطعا بازدهی بیشتری را نشان می‌دهند. شرکت‌های مذکور ادعا می‌کنند که برخی وظیفه‌های پردازش تصویری مشخص، در تراشه‌های گراف‌کور با سرعت چندبرابری انجام می‌شوند. به‌علاوه آن‌ها یک مدل هوش مصنوعی برای پردازش زبان (موسوم به BERT) توسعه دادند که عملکردی بهتر نسبت به نمونه‌های موجود در سخت‌افزارهای رقیب داشت.

مدل BERT برای فعالیت‌های متعدد هوش مصنوعی متمرکز بر زبان، اهمیت بالایی دارد. به‌عنوان مثال گوگل اعلام کرد که از الگوریتم مذکور در کسب‌وکار جست‌وجوی خود استفاده می‌کند. مایکروسافت اعلام کرد که هم‌اکنون از تراشه‌های Graphcore برای پروژه‌های تحقیقاتی داخلی در حوزه‌ی هوش مصنوعی استفاده می‌کند که شامل پردازش زبان هستند.

کارل فرود، تحلیل‌گر بازار تراشه‌های هوش مصنوعی در شرکت Moor Insights می‌گوید براساس نتایج، عملکرد تراشه‌ی جدید پیشرفته و البته دارای نقاط ضعف موردی به‌نظر می‌رسد. تراشه‌های با طراحی اختصاصی، احتمالا در کاربردهایی خاص،‌ محصولات انویدیا و گوگل را شکست می‌دهند، اما توسعه‌ی اپلیکیشن‌ برای آن‌ها، دشواری‌هایی را برای توسعه‌دهنده‌ها به‌همراه دارد. او درباره‌ی تراشه‌ی گراف‌کور می‌گوید:

آن‌ها فعالیت خوبی انجام داده‌اند تا تراشه‌ی جدید را قابل برنامه‌نویسی کنند. عملکرد خوب هم‌زمان در آموزش و تفسیر، همیشه از سوی آن‌ها به‌عنوان قابلیت محصول بیان می‌شد، اما رسیدن به آن دشواری زیادی دارد.

فرود اعتقاد دارد، همکاری با مایکروسافت برای Graphcore بسیار حیاتی است، چون ردموندی‌ها مسیر راحتی را برای مشتریان ایجاد می‌کنند تا سخت‌‌افزار موردنظر را به‌کار بگیرند. تراشه‌ی جدید احتمالا برتری‌هایی نسبت به سخت‌افزارهای موجود دارد، اما به‌هرحال توسعه‌ی مجدد اپلیکیشن هوش مصنوعی برای پلتفرم جدید،‌ دشوار است. فرود درنهایت می‌گوید به‌جز چند مورد محدود، عملکرد تراشه‌ی جدید آنقدر عالی نیست که شرکت‌های دیگر را به ترک سخت‌افزار و نرم‌افزار کنونی خود ترغیب کند.

گراف‌کور یک فریمورک نرم‌افزاری به‌نام Polar توسعه داده است که به برنامه‌های کنونی مبتنی بر هوش مصنوعی، قابلیت جابه‌جایی به سخت‌افزار جدید را می‌دهد. البته بسیاری از الگوریتم‌های کنونی، با نرم‌افزارهایی راحت‌تر هستند که روی سخت‌افزارهای رقیب نصب می‌شوند. در سال‌های اخیر، فریمورک نرم‌افزاری هوش مصنوعی Transflow از گوگل، به ابزار جامعی برای برنامه‌های هوش مصنوعی تبدیل شده است. فریمورک مذکور، به‌صورت اختصاصی برای تراشه‌های گوگل و اندروید توسعه یافت. انویدیا هم سال آینده یک تراشه‌ی هوش مصنوعی جدید به بازار عرضه می‌کند که احتمالا عملکرد بهتری نسبت به نمونه‌های موجود خواهد داشت.

نیگل تون، هم‌بنیان‌گذار و مدیرعامل گراف‌کور می‌گوید همکاری آن‌ها با مایکروسافت، یک سال پس از تأسیس استارتاپ شروع شد؛ همکاری که از طریق مرکز تحقیقات کمبریج مایکروسافت انجام می‌گرفت. تراشه‌های شرکت او برای وظایف شامل مدل‌های بزرگ هوش مصنوعی یا کاربردهای درگیر با داده‌های موقت، هماهنگی عالی دارند. یکی از مشتریان آن‌ها در حوزه‌های مالی، پس از به‌کارگیری پردازنده‌ها، بهبود ۲۶ برابری الگوریتم‌های مورد استفاده در تحلیل بازار را گزارش کرد.

تعدادی از مشتریان کوچک و متوسط گراف‌کور، به‌مرور استفاده پردازنده‌های این شرکت را در سرویس آژور شروع کرده‌اند. از میان آن‌ها می‌توان به Citadel اشاره کرد که از تراشه‌های مذکور برای تحلیل داده‌های مالی استفاده می‌کند. مثال دیگر، Quant بوده که به‌عنوان یک موتور جست‌وجوی اروپایی، با استفاده از سخت‌افزار گراف‌کور، الگوریتم تشخیص چهره‌ای به‌نام ResNext را توسعه داده است.

اوج‌گیری صنعت هوش مصنوعی در سال‌های اخیر به‌اندازه‌ی کافی بازار تراشه‌های کامپیوتری را تکان داده است. بهترین الگوریتم‌های موجود، فرایندهای محاسباتی ریاضی موازی انجام می‌دهند که با استفاده از پردازنده‌های گرافیکی، با عملکرد بهتری انجام می‌شود. پردازنده‌های گرافیکی صدها هسته‌ی پردازشی ساده دارند. در مقام مقایسه، هسته‌های پردازشی پردازنده‌های مرکزی کمتر ولی پیچیده‌تر هستند.

انویدیا، غول دنیای پردازنده‌های گرافیکی موج ارائه‌ی خدمان پردازش با تمرکز بر هوش مصنوعی را مدیریت کرد. مدتی بعد،‌ گوگل خبر از توسعه‌ی پردازنده‌ی اختصاصی خود داد که به‌نام Tensor Processing Unit یا TPU و مخصوص Tensorflow معرفی شد. پردازنده‌ی مذکور، معماری شبیه به پردازنده‌های گرافیکی دارد.

گراف‌کور، تراشه‌های خود را به‌نام IPU یا «واحدهای پردازش هوشمند» معرفی می‌کند. تراشه‌های مذکور در داخل خود مجهز به حافظه هستند. تخصیص حافظه‌ی داخلی، مراحل انتقال داده به بخش حافظه و پردازش مجدد را کوتاه می‌کند که تأثیر بالایی در افزایش سرعت پردازش‌ها خواهد داشت.

فیسبوک هم تصمیم دارد تا تراشه‌ی اختصاصی خود را برای کاربردهای هوش مصنوعی توسعه دهد. مایکروسافت قبلا در اخبار سخت‌افزاری هوش مصنوعی، خبر از تراشه‌های ساخت اینتل با قابلیت پیکربندی مجدد داده بود که توسط مهندسان شرکت برای کاربردهای هوش مصنوعی بهینه‌سازی می‌شوند. آمازون، یک سال پیش خبر داد که وارد حوزه‌ی تولید تراشه خواهد شد اما هدف آن‌ها، پردازنده‌ای با کاربرد عمومی‌تر و بهینه‌سازی‌شده برای سرویس‌های ابری بود.

موج هوش مصنوعی، منجر به تأسیس استارتاپ‌های سخت‌افزاری متعدد شد که تراشه‌های اختصاصی گوناگونی را توسعه دادند. برخی از آن‌ها برای کاربردهای اختصاصی همچون رانندگی خودکار یا دوربین‌های نظارتی توسعه یافته‌اند. گراف‌کور و برخی دیگر، گزینه‌های منعطف‌‌تری را به مشتریان ارائه می‌کنند که برای توسعه‌ی کاربردهای هوش مصنوعی حیاتی هستند. البته تولید چنین تراشه‌هایی قطعا دشواری‌های بیشتری نیز به‌همراه دارد. آخرین دور جذب سرمایه‌ی استارتاپ مذکور، ارزش آن‌ها را به بیش از ۱/۷ میلیارد دلار رساند.

تراشه‌های گراف‌کور احتمالا ابتدا مورد توجه متخصصان هوش مصنوعی قرار می‌گیرند که توانایی نوشتن کدهایی برای استخراج مزایای آن‌ها را داشته باشند. بسیاری از محققان برجسته‌ی هوش مصنوعی همچون دمیس هاسابیس، هم‌بنیان‌گذار دیپ‌مایند از خدمات گراف‌کور استفاده کرده و در آن سرمایه‌گذاری می‌کنند. ژوبین قهرمانی، استاد دانشگاه کمبریج و مدیر آزمایشگاه هوش مصنوعی اوبر هم از سرمایه‌گذاران گراف‌کور محسوب می‌شود. پیتر ابیل، استاد دانشگاه یوسی برکلی و متخصص رباتیک و هوش مصنوعی هم در این استارتاپ سرمایه‌گذاری کرده است.

شرکت‌های فعال در سرتاسر جهان، در آینده‌ای نه‌چندان دور همه‌ی تلاش خود را به‌‌کار می‌گیرند تا از جدیدترین دستاوردهای حوزه‌ی فناوری بهره‌مند شوند. مدیرعامل گراف‌کور هم اعتقاد دارد همه‌ی افراد به‌دنبال نوآوری و راهی برای پیشرفت بیشتر در بازار هستند. شاید همین رویکرد باعث شود تا پردازنده‌های آن‌ها در ترکیب با خدمات ابری مایکروسافت، استقبال خوبی را در بازار پردازش هوش مصنوعی تجربه کنند.

منبع : زومیت