پردازنده های هوش مصنوعی

الگوریتم های هوش مصنوعی روز به روز در حال پیشرفت و گسترش هستند. اما روی دیگر این سکه رشد و توسعه سخت‌افزار و پردازنده های هوش مصنوعی است که کمتر از مورد قبل مورد توجه عموم قرار می‌گیرد؛ سخت‌افزارهایی که بتوانند انواع مختلف شبکه‌های عصبی را پیاده‌سازی کنند. این روند با سرعت زیادی رو به رشد است و سازندگان زیادی از شرکت‌های معروف و بزرگ تا استارتاپ‌های نوپا وارد این میدان شده‌اند. هر کدام از سخت‌افزارهای موجود بر روی هدف خاصی مثل افزایش کارایی، کاهش قیمت یا کم‌مصرف بودن تمرکز کرده‌اند. در ادامه به بعضی از مهمترین پردازنده ها برای هوش مصنوعی اشاره می‌کنیم.

پردازنده های هوش مصنوعی با کاربرد عمومی

محصول: Movidius Myriad X
سازنده: اینتل

شرکت Movidius سازنده پردازنده Myriad X در سال ۲۰۱۶ توسط اینتل خریداری شد. Myriad X نسل سوم واحدهای پردازش تصویر این شرکت و اولین نمونه‌ای است که یک موتور پردازشی اختصاصی برای شبکه عصبی دارد. پردازنده Myriad X توان انجام ۱ میلیارد عملیات ریاضی اختصاصی از نوع شبکه عصبی عمیق را دارد. این موتور پردازشی از حافظه واسطه هوشمندی استفاده می‌کند تا محدودیتی از نظر حافظه در حین انجام عملیات پیش نیاید. Myriad X از ۱۶ هسته مستقل از نوع SHAVE بهره می‌برد. این پردازنده در Neural Compute Stick 2 اینتل به کار رفته است.

Neural Compute Stick 2 یک کامپیوتر جیبی است که بسیار به یک حافظه USB شباهت دارد اما به تنهایی یک کامپیوتر قدرتمند مخصوص کارهای پردازش تصویر است. این کامپیوتر به سادگی به هر رایانه دیگری وصل شده و برنامه‌های پردازش تصویر و هوش مصنوعی بر روی پردازنده آن انجام می‌شود.

محصول: i.MX 8M Plus
سازنده: NXP

این  از یک شتابدهنده شبکه عصبی (Neural Network Accelerator) به نام VeriSilicon در درون خود بهره می‌برد. VeriSilicon یک موتور استنتاج با قدرت ۲.۳TOPS (2300 میلیارد عملیات در ثانیه) است که از آن می‌توان در کاربردهایی مانند اینترنت اشیای صنعتی (IIoT)، تشخیص گفتار یا عکسبرداری های پیشرفته در حوزه پزشکی (با سرعت ۵۰۰ تصویر در ثانیه) استفاده کرد. همچنین در کنار این پردازنده، یک پردازنده هشت هسته‌ای Arm Cortex A-53 با سرعت ۲GHz و یک پردازنده Cortex M7 برای کارهای بلادرنگ ( Realtime) قرار دارد.

برای انجام کاربردهای مرتبط با پردازش تصویر نیز دو پردازشگر تصویر در این مجموعه قرار داده شده است که می‌توانند به دو دوربین یا یک دوربین ۱۲ مگاپیکسل متصل شوند. یک پردازنده ۸۰۰ مگاهرتزی DSP هم برای کارهای پردازش صدا در i.MX 8M Plus تعبیه شده است. مجموعه موارد بالا باعث شده است تا i.MX 8M Plus یک موتور پردازشی قدرتمند مخصوص کاربردهای هوش مصنوعی به شمار بیاید. هدف اصلی از ساخت i.MX 8M Plus استفاده در اینترنت اشیا بوده است.

محصول: xcore.ai
سازنده: XMOS

شرکت انگلیسی XMOS یک تولیدکننده نسبتا جدید در حوزه ریزپردازنده ها و ماژول های صوتی و پردازش صدا است. پردازنده xcore.ai به منظور استفاده در پردازش صدا در هوش مصنوعی اشیا (AIoT) طراحی و ساخته شده است. این قطعه در دسته Crossover processor قرار می‌گیرد. پردازنده های crossover چیزی بین یک پردازنده مرکزی (CPU) و یک میکروکنترلر هستند. Crossover ها از سرعت پردازشی یک CPU و قابلیت‌های بلادرنگ (Realtime) و مصرف کم برق یک میکروکنترلر بهره می‌برند. xcore.ai به طور خاص امکان یادگیری ماشین سیگنال های صوتی را فراهم کرده‌است.

این پردازنده بر اساس معماری Xcore ساخته شده است که در آن تعدادی logical core وجود دارد. این هسته‌ها می‌توانند به منظور ورودی/ خروجی سیگنال، پردازش سیگنال (DSP)، کاربردهای کنترلی و شتابدهنده هوش مصنوعی استفاده شوند. xcore.ai در خود ۱۶ هسته دارد که هر کدام به صورت مجزا قابل تنظیم برای عملیات خاصی هستند. این تنظیم که به صورت نرم افزاری انجام شده و در firmware قرار می‌گیرد، باعث می‌شود تا این پردازنده به صورت یک سیستم کامل (SoC) مجازی عمل کند. همچنین xcore.ai از قابلیت Vector Pipeline پشتیبانی می‌کند که برای یادگیری ماشین استفاده می‌شود. Xcore.ai از شبکه های ۳۲ بیت، ۱۶ بیت، ۸ بیت و ۱ بیت (باینری) پشتیبانی می‌کند و توان پردازشی ۳.۲ میلیارد عملیات در ثانیه یا ۱.۶ میلیارد عملیات اعشاری در ثانیه را دارد. ۱ مگابایت حافظه SRAM داخلی و رابط DDR برای گسترش حافظه از دیگر مشخصات xcore.ai است.

پردازنده های هوش مصنوعی در صنعت حمل و نقل

محصول: TDA4VM
سازنده: Texas Instrument

شرکت TI تا پیش از این بیشتر به ساخت تراشه های با کاربرد خاص معروف بود و TDA4VM اولین سیستم کامل یا SoC برای TI محسوب می‌شود. این پردازنده دارای واحدهای پردازشی مخصوص شبکه عصبی عمیق (Deep Neural Network) است و برای کاربری در صنعت حمل و نقل و خودرو طراحی شده است. علاوه بر این از اتصال به سنسورهای رادار، LiDAR و التراسونیک نیز پشتیبانی می‌کند. یکی از نکات جالب این پردازنده هوش مصنوعی پشتیبانی از Sensor Fusion است.

Sensor fusion روشی است که در آن با استفاده از تلفیق داده های چند سنسور، اطلاعات دقیقی از یک پارامتر، مثلا موقعیت دقیق خودرو، به دست‌می‌آید.

این ویژگی به کمک قابلیت MMA یا شتابدهنده ضرب ماتریسی در این پردازنده دست یافتنی شده‌است.

پردازنده های هوش مصنوعی مناسب برای پردازش تصویر

محصول: Jetson Nano
سازنده: Nvidia

شرکت Nvidia که همیشه سردمدار ساخت کارت گرافیک بوده است چند وقتی است که وارد حوزه هوش مصنوعی شده‌است. سری Jetson بردهای الکترونیکی آماده‌ای است. که به طور خاص به منظور استفاده در هوش مصنوعی و یادگیری ماشین ساختند. Nano عضو کوچکتر این خانواده و یکی از جذابترین آنهاست. این برد بسیاری از مزایا را یکجا دارد. اولا اینکه یک برد کامل است. و بر روی خود علاوه بر پردازشگر گرافیکی، یک پردازنده cortex A-57 و تعداد زیادی رابط USB ، HDMI ، LAN و اتصال به دوربین دارد.

از طرف دیگر مصرف برق nano در حین کار تنها ۵W است که از سایر تولیدات Nvidia بسیار کمتر است. پردازشگر گرافیکی nano دارای ۱۲۸ هسته CUDA بوده و توانایی انجام حدود ۵۰۰ میلیارد عملیات اعشاری در ثانیه را دارد. که آن را در رده کارت گرافیک های متوسط تا خوب فعلی قرار می‌دهد. با این برد الکترونیکی می‌توانید چندین شبکه عصبی را به صورت همزمان اجرا کنید. کل این برد ابعادی در حد ۷ در ۴.۵ سانتی‌متر دارد.

پردازنده های مخصوص سازندگان

محصول: KL520
سازنده: Kneron

کاربرد اصلی این محصول برای تشخیص چهره و پردازش تصویر در تلفن های هوشمند، تبلت ها، سیستم های ورود و خروج و خانه های هوشمند است. KL520 برای طراحی شبکه عصبی های حلقوی (CNN) طراحی شد. این نوع شبکه عصبی به طور گسترده در کاربردهای پردازش تصویر استفاده می‌شود.

KL520 تنها ۰.۵ وات را برای انجام ۳ هزار میلیارد عملیات (۳ TOPS) در ثانیه مصرف می‌کند که مقدار خیلی کمی است.

محصول: Lightspeeur 5801
سازنده: Gyrfalcon

این پردازنده چهارمین محصول شرکت Gyrfalcon است. که برای تشخیص چهره در تلفن های همراه طراحی شد. Lightspeeur 5801 قدرت پردازشی حدود ۱۲TOPs را دارد که در نوع خود قابل توجه است. این محصول دارای ۱۰MB حافظه داخلی است که به راحتی می‌تواند یک مدل شبکه عصبی متوسط را در خود جا دهد. قابلیت خوب دیگر این پردازنده تنظیم فرکانس آن بین ۵۰ تا ۲۰۰ مگاهرتز در شرایط مختلف است. و این مورد در کاهش مصرف انرژی آن کمک زیادی می‌کند.

پردازنده های هوش مصنوعی بسیار کم مصرف

محصول: ECM3532
سازنده: Eta Compute

پردازنده ECM3532 یک محصول مخصوص کارهای هوش مصنوعی و اینترنت اشیا است. که به گونه‌ای طراحی شد که بتواند با منابعی مانند باتری یا روش‌های برداشت انرژی (Energy Harvesting) کار کند. مصرف انرژی این پردازنده باورنکردنی است. ECM3532 می‌تواند پردازش تصویر و sensor fusion را تنها با ۱۰۰ میکرووات انجام دهد. البته شاید نباید از آن انتظار پردازشی معادل یک کارت گرافیک مثل Jetson را داشت. اما برای کاربردهایی که نیاز به پردازش های هوش مصنوعی به صورت دائمی و بدون وقفه وجود دارد، مسئله مصرف انرژی اهمیت زیادی پیدا می‌کند. در چنین شرایطی محصولاتی مثل ECM3532 با هیچ کدام از پردازنده‌های دیگر قابل مقایسه نیستند. این پردازنده دو هسته داخلی یکی از نوع Cortex M3 و دیگری DSP دارد.

پردازنده های هوش مصنوعی محصول: NDP100
سازنده: Syntiant

پردازنده NDP100 از جمله پردازنده های هوش مصنوعی است. که مخصوص کاربردهای پردازش صدا در شرایطی که مصرف برق اهمیت زیادی دارد طراحی شد. در این تراشه، پردازنده و حافظه به گونه‌ای در هم ادغام شده‌اند. این محصول می‌تواند در کاربردهایی مانند روشن شدن با صدا (wake word detection). تعیین کلمات، تشخیص گوینده. یا تشخیص رخداد با استفاده از صوت مورد استفاده قرار گیرد. NDP100 بسیار مناسب کاربرد در وسایل بی‌سیم مثل هندزفری، ساعت‌های هوشمند و کنترل از راه دور است. این پردازنده به صورت برد توسعه نیز عرضه شد.

به نظر می‌رسد که در کنار پیشرفت سریع الگوریتم های پردازنده های هوش مصنوعی که سر و صدای زیادی هم به پا کرده‌اند. سخت‌افزارهای متناسب با هوش مصنوعی نیز خیلی آرام و بی سر و صدا در حال رشد هستند. امکان پیاده‌سازی الگوریتم‌های یادگیری ماشین و هوش مصنوعی را فراهم خواهند کرد. تا از سخت‌افزارهای موجود مانند CPU، GPU یا FPGA برای کاربردهای هوش مصنوعی استفاده شود اما به نظر می‌رسد ابزارهایی که در آینده برای این کاربردها استفاده خواهند شد تفاوت‌های ذاتی با موارد گذشته خواهند داشت که از آن جمله می‌توان به معماری پردازنده‌های In-memory یا حافظه‌های Phase-change اشاره کرد.