واحد خبر mobile.ir : الگوریتم‌های یادگیری عمیق یکی از اجزای اصلی هوش مصنوعی به شمار می‌‌روند. این الگوریتم‌ها فرآیندهایی هستند که کامپیوتر از طریق آنها می‌تواند همانند انسان بیاندیشد و یاد بگیرد. واحد پردازش عصبی یا NPU پروسسوری است که برای رایانش الگوریتم یادگیری عمیق بهینه‌سازی شده و هدف آن پردازش کارآمد هزاران عملیات رایانش به طور همزمان است. کمپانی سامسونگ الکترونیکس در روز سه‌شنبه 2 جولای سال جاری میلادی (11 تیر 1398) از توسعه فناوری جدیدی در زمینه پردازش عصبی اختصاصی خود خبر داده است که اجازه می‌دهد هوش مصنوعی درون دستگاه با سرعت بیشتر و مصرف انرژی کمتر فعال شود و در عین حال فضای کمتری را درون تراشه اشغال نماید.

با استفاده از الگوریتم جدید یادگیری ماشینی معرفی‌شده در کنفرانس CVPR 2019 و به لطف آنچه سامسونگ فرآیند یادگیری با فواصل کوانتومی (یا QIL کوتاه‌شده Quantization Interval Learning) می‌نامد، شبکه‌های عصبی 4 بیتی ایجاد می‌شوند که دقت آنها به اندازه شبکه‌های 32 بیتی حال حاضر است. به بیان دیگر با استفاده از پروسه QIL افزایش کارایی و بهره‌وری انرژی از طریق فشرده‌سازی داده‌ها در گروه‌های 4 بیتی یا کوچک‌تر در کنار حفظ دقت داده‌ها امکان‌پذیر شده است. گفتنی است که دقت داده‌ها به کمک سازماندهی دوباره آنها برای ارائه در بیت‌هایی کوچک‌تر از اندازه موجود حفظ می‌شود. در واقع، کم شدن شمار بیت‌ها، منجر به کاهش تعداد محاسبات و نیز سخت‌افزار مورد استفاده می‌شود، چرا که هزاران عملیات رایانش یادگیری عمیق می‌تواند به صورت همزمان پردازش شود. به علاوه، محاسبات مربوط به عملگرهای منطقی «and» و «or» می‌تواند در کنار محاسبات ریاضی ساده‌تری مانند جمع و ضرب انجام شوند.

بر اساس اعلام سامسونگ، رایانش‌هایی که با استفاده از فرآیند QIL انجام می‌شود، نتایجی مشابه با راهکارهای موجود دارند با این تفاوت که با وجود افزایش 8 برابری سرعت، تعداد ترانزیستورهای مورد استفاده نسبت به گذشته یک‌چهلم تا یک ‌صدوبیستم کاهش خواهد یافت. به این ترتیب، سیستم پردازش عصبی جدید سامسونگ علاوه بر این که می‌تواند کارهای معمول هوش مصنوعی مانند شناسایی اشیاء و احراز هویت زیست‌سنجی (از جمله تشخیص اثر انگشت، اسکن عنبیه و شناسایی چهره) را با سرعت بیشتر و مصرف انرژی کمتر انجام می‌دهد، قادر خواهد بود از پس کارهای پیچیده‌تر هم به خوبی برآید و جالب آن که همه اینها درون خود دستگاه انجام می‌شود.

چیپ‌ست 8 نانومتری Exynos 9 9820 سامسونگ، که سال گذشته معرفی شد، نخستین تراشه این شرکت است که به واحد پردازش عصبی یکپارچه اختصاصی مجهز شده است؛ پروسسوری که در گوشی‌های سری گلکسی S10 (بسته به منطقه توزیع) شاهد آن بودیم. استفاده از این چیپ‌ست در خانواده گلکسی S10 سبب ارتقاء کیفیت برداشت تصاویر و همچنین بهبود ویژگی‌های مرتبط با واقعیت افزوده و مجازی شده است.

یکی از مهم‌ترین مزیت‌های پردازش‌ درون دستگاه به جای انتقال آنها به شبکه‌های هوش مصنوعی مبتنی بر کلاد، حفظ حریم خصوصی است. اما نباید از یاد برد که اتصال به شبکه کلاد نه تنها به معنی مصرف انرژی بیشتر به سبب تبادل اطلاعات میان مودم گوشی و سرور کلاد است، بلکه باعث تأخیر در انجام پردازش نیز خواهد شد. از این رو با توجه به آن که با استفاده از فناوری جدید، همه پردازش‌ها درون خود دستگاه انجام می‌شود، می‌توان سه مزیت عمده را انتظار داشت: نخست آن که سبب امنیت و حفظ حریم شخصی کاربران می‌شود، دیگر آن که مصرف انرژی و در نتیجه هزینه کمتر خواهد شد و در نهایت آن که با تأخیر ناشی از اتصال به شبکه کلاد مواجه نخواهیم بود.

مطابق پیش‌بینی سامسونگ، از آنجا که تشخیص دقیق و سریع اشیا در ماشین‌های خودران اهمیت زیادی دارد، احتمالا سیستم پردازش عصبی مبتنی بر QIL این کمپانی به زودی در این دسته از ماشین‌ها مورد استفاده قرار می‌گیرد. همچنین به نظر می‌رسد شاهد به‌کارگیری آنها در واقعیت مجازی نیز خواهیم بود که شاید از جهاتی در راستای فناوری DLSS شرکت Nvidia باشد؛ فناوری جدیدی که از یادگیری عمیق برای بهبود کیفیت تصویر استفاده می‌کند. البته کمپانی کره‌ای در پی آن است که این فناوری را در آینده نزدیک علاوه بر پروسسورهای موبایلی در موارد دیگری مانند سنسورهای هوشمند هم به کار گیرد.

چانگ-کیو چوی (Chang-Kyu Choi)، معاون آزمایشگاه بینایی رایانه‌ای مرکز پژوهشی Samsung Advanvced Institute of Technology یا به اختصار SAIT، در این خصوص می‌گوید: «در نهایت، در آینده در جهانی زندگی خواهیم کرد که تمام دستگاه‌ها و فناوری‌های مبتنی بر حسگر، به هوش مصنوعی مجهز خواهند بود. فناوری‌های هوش مصنوعی درون دستگاه سامسونگ راهکارهایی با مصرف انرژی کمتر و سرعت بالاتر برای یادگیری عمیق هستند که راه را برای این آینده هموار می‌سازند». او تصریح کرده است که سامسونگ این فناوری‌ها را به هدف گسترش بازار حسگر، پردازنده و حافظه و همچنین دیگر نیمه‌رساناهای نسل بعدی طراحی کرده است.