پردازشگرهای هوش مصنوعی به یکی از محبوب‌ترین سخت‌افزارها در دنیای تکنولوژی تبدیل شده‌اند. اما آیا این پردازنده‌ها ارزش هزینه‌ی بیشتر را دارند؟ و تبلیغات پیرامون آن‌ها تا چه حد به واقعیت نزدیک است؟
پردازشگرهای هوش مصنوعی به یکی از محبوب‌ترین سخت‌افزارها در دنیای تکنولوژی تبدیل شده‌اند. اپل پردازنده جدید خود را A11 Bionic نام‌گذاری کرده است. زیرا این پردازنده «ماشین عصبی» این دستگاه خواهد بود. گوشی هواوی Kirin 970 نیز از یک پردازشگر هوش مصنوعی جداگانه استفاده می‌کند. این شرکت می‌گوید گوشی میت ۱۰، که به زودی به بازار عرضه خواهد شد، «یک گوشی هوشمند واقعی» است. پردازنده‌ی جدید سامسونگ به نام اگزینوس نیز احتمالا مجهز به یک چیپ مختص به هوش مصنوعی خواهد بود.
هرچند غول تولید پردازنده، کوالکوم، از همه‌ی این شرکت‌ها سریع‌تر عمل کرده و از چند نسل قبل، پردازنده‌ی هگزاگون را در داخل تمامی اسنپدراگون‌های پرچمدار خود جای داده است. این قطعه به شکل اختصاصی به پردازش رایانش‌های ناهمگن و شبکه‌های عصبی می‌پردازد. شرکت‌هایی نظیر اینتل و انویدیا نیز در حال آماده‌سازی پردازنده‌های هوش مصنوعی خود هستند.
دلایل بسیار خوبی برای استفاده از این پردازنده‌ها وجود دارد. از جمله اینکه محبوبیت اپ‌های پردازش صدا و تشخیص تصویر هر روز درحال افزایش است و بهینه‌ترین راه این است که پردازش این نرم‌افزارها را به پردازنده‌ای جداگانه بسپاریم. هرچند بعضی از شعارهای تبلیغاتی مربوط به این پردازنده‌ها، با واقعیت فاصله‌ی زیادی دارند. در ادامه به بررسی زوایای مختلف و قابلیت‌های این فناوری نوظهور می‌پردازیم.
هوش مصنوعی و هوش واقعی
شرکت‌های بزرگ می‌خواهند مشتریان خود را قانع کنند که بعضی از این پردازنده‌ها می‌توانند به صورت خودکفا فکر کنند یا اینکه ذهن انسان را بازسازی خواهند کرد. در صورتی که حتی بهترین هوش‌های مصنوعیِ طراحی شده در آزمایشگاه‌ها حتی نزدیک به انجام چنین پردازش‌هایی نیست. در دنیای گوشی‌های هوشمند، حتی صحبت درباره‌ی این ایده غیر منطقی است. در واقعیت این پردازنده‌های جدید، انجام یکسری از وظایف (از جمله پردازش الگوریتم‌های یادگیری ماشین) را به عهده خواهند گرفت.
پیش از ادامه باید به تفاوت‌های بین یادگیری ماشین و هوش مصنوعی اشاره کنیم. هوش مصنوعی ایده‌ی بسیار گسترده‌ای است که به دنبال نزدیک کردن تفکر ماشین، به سطح تفکر انسان‌ها است. یادگیری ماشین نیز چندان از این مفهوم دور نیست. هرچند تنها به رایانه‌هایی اشاره می‌کند که توانایی پردازش اطلاعات و تصمیم‌گیری بر اساس آن‌ها را دارند. بعضی از این رایانه‌ها حتی می‌توانند از اشتباهات خود در بهتر کردن تصمیم‌های آینده خود استفاده کنند.
شبکه‌های عصبی، سیستم‌هایی هستند که به یادگیری ماشین در دسته‌بندی و پردازش اطلاعات کمک می‌کنند. این شبکه‌ها به رایانه کمک می‌کنند که اطلاعات پیش رو را مشابه مغز انسان مرتب‌سازی کند. این فرآیند شامل مشخص کردن اشیا اصلی در یک تصویر، یا تشخیص رنگ و مدل یک خودرو است. شبکه‌های عصبی و یادگیری ماشین بسیار پیشرفته هستند. اما با مفهوم هوش فاصله‌ی زیادی دارند.
در تبلیغات مربوط به هوش مصنوعی، اکثر شرکت‌ها به دنبال استفاده از کلمات فراگیر و ساده هستند. کلماتی که نه تنها محصول آن‌ها را از سایر رقبا متمایز می‌کند؛ بلکه آن را پیچیده‌تر جلوه می‌دهد. اما در حالت کلی اکثر شرکت‌های فناوری تنها یک واحد را به پردازنده‌های مرکزی خود اضافه کرده‌اند. این واحد عملکرد بسیاری از وظایف مرتبط با دستیارهای هوشمند و تکنولوژی‌هایی از این دست را بهینه‌تر خواهد کرد. این تغییرات اکثرا فناوری‌های تشخیص صدا و تصویر را تحت تاثیر قرار می‌دهند. هرچند کاربردهای دیگری هم دارند.
روش‌های جدید رایانش
چرا شرکت‌های فناوری ناگهان به سراغ استفاده از پردازشگرهای هوش مصنوعی رفته‌اند؟ شاید شما هم به افزایش ناگهانی گفتگوها پیرامون شبکه‌های عصبی، یادگیری ماشین و رایانش ناهمگن پی برده باشید. این فناوری‌ها روش‌های استفاده روزمره از تلفن‌همراه را دگرگون خواهند کرد. آن‌ها همچنین به کاربران اجازه می‌دهند که از امکاناتی مانند پردازش صدا و تصویر، پیشبینی فعالیت‌های انسان، پردازش نوشتار، جستجوهای اینترنتی سریع و کدگذاری بهتر اطلاعات استفاده کنند.
این پردازش‌ها معمولا در محیط دستگاه (پردازش محلی) یا در یک سرور بیرونی (پردازش ابری) انجام می‌شود. روش اول از لحاظ امنیت بسیار مناسب‌تر است و روش دوم برای پردازش‌های بزرگ انتخاب بهتری است. اما در هر حال یادگیری ماشین نیازمند روش‌های جدید و پیچیده‌تری برای پردازش اطلاعات است. روش‌هایی که اکثر پردازنده‌های ۶۴ بیتی امروزی قادر به انجام آن نیستند. انجام محاسباتی مانند نقاط شناور، تطبیق الگوها، جستجوی دیتابیس و پردازش‌های موازی، همگی با استفاده از پردازشگرهای هوش مصنوعی با سرعت و دقتی بسیار بالاتر انجام خواهند شد.
با توجه به گسترش روز افزون این محاسبات، شرکت‌ها نیازمند طراحی پردازنده‌ای هستند که سریع‌تر و بهینه‌تر عمل کند. همچنین بسیاری از طراحان نگاهی نیز به آینده دارند. زیرا طراحی یک پردازنده‌ی کوچک، آن‌ها را برای ساخت پردازشگرهای هوش مصنوعی بزرگ‌تر آماده خواهد کرد. همچنین آن‌ها می‌توانند نرم‌افزارهای هوش مصنوعی را به شکل اختصاصی برای این پردازنده‌ها طراحی کنند.
بهینه‌سازی در الویت
باید اشاره کرد که این چیپ‌ها تنها در سریع‌تر کردن پردازش به دستگاه کمک نمی‌کنند. بلکه کار اصلی آن‌ها بهینه‌سازی فضا و مصرف انرژی در تلفن‌های همراه است.
پردازنده‌های نوین از واحدهای مختلفی از جمله چیپ‌های گرافیکی و مودم تشکیل شده‌اند. تمامی این قطعات باید در فضایی به کوچکی یک تلفن هوشمند جای گیرند و از یک باتری کوچک برای تامین انرژی خود استفاده کنند. همچنین قیمت نهایی دستگاه باید منطقی باشد.
اگر شرکت‌های تولید پردازشگر به دنبال ساخت قطعه‌هایی قدرتمندتر و بزرگ‌تر بروند، توانایی استفاده از آن‌ها در دستگاه‌های باریک امروزی را نخواهند داشت. همچنین قیمت این ابرپردازشگرها بسیار بالا خواهد بود و مصرف انرژی دستگاه را به شکل قابل توجهی بالا می‌برد.
به همین دلیل بسیار ساده‌تر است که یک قطعه‌ی کوچک را برای انجام اختصاصی این محاسبات طراحی و از آن در کنار پردازنده‌ی اصلی استفاده کنیم. چنین قطعه‌هایی پیش از این نیز برای انجام محاسبات خاص و پردازش سیگنال‌های دیجیتال استفاده شده‌اند. پردازنده‌های سیگنال دیجیتال، به شکل خاص، بارها در محصولات صوتی، خودروها و سایر دستگاه‌ها به کار رفته‌اند. هرچند پس از مدتی، به دلیل قدرتمندتر شدن پردازنده‌های عادی، از چرخه‌ی تولید کنار رفتند. اما حالا با توجه به گستردگی یادگیری ماشین در استفاده‌های روزمره، این پردازنده‌ها احتمالا دوباره به صحنه باز خواهند گشت.
نتیجه‌گیری
شرکت‌های بزرگ در توصیف پردازشگرهای هوش مصنوعی بزرگ‌نمایی‌های زیادی انجام داده‌اند. هرچند استفاده از یک پردازنده‌ی جداگانه برای انجام مسائل پیچیده‌ی ریاضی و الگوریتم‌های مرتب‌سازی، ایده‌ی بسیار خوبی است و تنها به نفع مصرف‌کنندگان تمام خواهد شد. این فناوری نه تنها به تلفن‌های هوشمند کمک خواهد کرد بلکه احتمالا راه خود را به زمینه‌های دیگر (از جمله بهینه‌سازی تصاویر و جستجو در کتابخانه‌های بزرگ) باز می‌کند.
هرچند با وجود تمام تبلیغات مبنی بر هوشمندتر شدن تلفن‌های همراه، هوش مصنوعی با به واقعیت پیوستن فاصله‌ی زیادی دارد.
.
منبع: Android Authority
