انقلاب در هوش مصنوعی: دانشمندان اینتل Hala Point را ، یک کامپیوتر نورومورفیک نوآورانه ، طراحی کردهاند که آماده تحول دادن در تحقیقات هوش مصنوعی (AI) است. محاسبات نورومورفیک بر اساس تقلید از ساختار و قابلیتهای مغز انسان است.
عملکرد عالی: این عجایب محاسباتی به طور قابل توجهی از سیستمهای سنتی برتری داشته و وظایف هوش مصنوعی را 50 برابر سریعتر پردازش میکند و در مصرف انرژی 100 برابر کمتر است. مقابل پردازندهها و GPUهای معمولی، Hala Point از یک معماری نوآورانه برای پردازش دادهها استفاده میکند.
مشخصات شگفتانگیز: هالا پوینت که دارای 1,152 پردازنده نورومورفیک Loihi 2 است، دارای یک آرایه شگفتانگیز از ویژگیها است:
– یک شبکه شبیهسازی 1.15 میلیارد نورون مصنوعی
– 128 میلیارد سیناپس مصنوعی توانایی انجام 380 تریلیون عملیات ترکیبی سیناپسی در هر ثانیه
– دستیابی به 240 تریلیون عملیات عصبی در ثانیه
– شامل 140,544 هسته پردازشی
– به طور شگفتانگیز 20 پتا اپس قدرت محاسباتی اراَء میدهد.
برای مقایسه، حتی سوپرکامپیوتر قدرتمند 38م جهان ،Trinity ،حدود همان قدرت محاسباتی را در اصطلاح پتا اپس دارد در حالیکه سوپرکامپیوتر پیشرو ،Frontier ، با 1.194 پتا فلاپ یا 1.2 اگزافلاپ اجرا میشود.
رویکرد متفاوت: Hala Point برای استفاده اولیه در پروژههای علوم محاسبهای، فیزیک دستگاه و معماری کامپیوتر در آزمایشگاههای ملی ساندیا در نیومکزیکو زمانبندی شده است. برخلاف رایانههای روزمره، رایانههای نورومورفیک ورودیهای بیشینه را پردازش میکنند ، سیگنالهای الکتریکی گسسته را در سراسر شبکههای عصبی ارسال کرده و پردازش موازی و تولید خروجی پویا را فعال میکنند ، شبیه به اینکه مغز ما چگونه عمل میکند.
آینده یادگیری هوش مصنوعی: این هیولای مقرون به صرفه انرژی نسبت به واحدهای پردازش عصبی (NPUs) و سیستمهای هوش مصنوعی سنتی ، یک کارایی قابل توجه حدود 15 تریلیون عملیات در وات (TOPS/W) ارائه میدهد. این میتواند راه را برای مدلهای زبان پیشرفته و پیوسته یادگیری باز کند ، هدایت هوش مصنوعی به ارتفاعاتی که پیش از این غیرقابل تصور بود.
محققان استرالیایی همراه با اینتل، قصد دارند یک رایانه به نام “دیپسات” را ساختار دهند که قادر به سرعتهای عملیاتی شبیه به مغز است و یک دورهی جدید در تکامل ماشینهای هوشمند را اعلام میکند.
درک محاسبات نورومورفیک: محاسبات نورومورفیک نمایانگر یک تغییر فرهنگی در معماری محاسباتی است که با تقلید از ساختار و الگوهای فعالیت مغز عمل میکند. با استفاده از نورونها و سیناپسهای مصنوعی، این نوع رایانه میتواند اطلاعات را در روشهایی پردازش کند که نزدیکتر به پردازشهای زیستی است. سیستمهایی مانند Hala Point از این اصول برای دستیابی به کارایی محاسباتی بالا در وظایفی مانند تشخیص الگو و پردازش دادههای حسی استفاده میکنند.
تأثیرات و چالشهای بالقوه: معرفی Hala Point پیشرفتهای قابل توجهی را در علوم محاسباتی و هوش مصنوعی مورد تأکید قرار میدهد. با این حال، چالشهایی مانند پیچیدگی برنامهریزی این سیستمها و نیاز به الگوریتمهای جدید متناسب با معماری منحصر به فرد آنها وجود دارد.
مزایا:
– کارایی انرژی: سیستمهای نورومورفیک مانند Hala Point طراحی شدهاند تا نسبت به سیستمهای محاسباتی سنتی به مراتب کارآمدتر باشند.
– سرعت: قدرت Hala Point در اجرای تعداد بسیار زیادی عملیات در هر ثانیه میتواند تحقیقات و برنامههای هوش مصنوعی را شتاب دهد.
– پردازش موازی: این سیستمها قادر به همزمان انجام چند فرآیند هستند، همانند همرویی شناوری شناور.
معایب:
– مرحله توسعه: محاسبات نورومورفیک هنوز در مرحله توسعه میباشد و هنوز به خوبی از آن بهرهبرداری نشده است.
– سازگاری: نرمافزارها و ابزارهای موجود ممکن است بلافاصله با سختافزار نورومورفیک سازگار نباشند و نیازمند توسعه مدلهای برنامهریزی جدید هستند.
– سرمایهگذاری و هزینه: به عنوان یک فناوری نوظهور، هزینههای تولید و تحقیق ممکن است بالا باشد و به طور محتمل دسترسی را محدود کند.
تداعیات و ملاحظات اخلاقی: مانند هر پیشرفتی در هوش مصنوعی، پرسشهای اخلاقی درباره احتمال اخراج کار و سوء استفاده از چنین فناوریهای پرقدرتی وجود دارد.
حوزههای مرتبط:
برای کاویدن بیشتر درباره اینتل و کار آنها در محاسبات نورومورفیک، بازدید از وبسایت رسمی آنها با لینک به اینتل . برای شناخت بیشتر درباره کاربردها و پیشرفتها در دنیای هوش مصنوعی ، شما ممکن است بخواهید به وبسایت آزمایشگاههای ملی ساندیا از این لینک به آزمایشگاههای ملی ساندیا مراجعه کنید.
به عنوان خلاصه ، Hala Point یک میلاد مهم در تلاش برای هوش مصنوعی را نزدیکتر به تواناییهای شناختی انسان میکند. توسعه و استفاده از آن احتمالاً بحثهایی درباره پیشرفتهای فناوریها ، و همچنین بحثهایی درباره بهترین راه برای پرداختن به چالشها و پیامدهای مرتبط در جامعه را برانگیزد.
The source of the article is from the blog cheap-sound.com