اینتل با معرفی دو تراشه جدید هوش مصنوعی به رقابت با گوگل و آمازون می‌پردازد

اینتل به عنوان بخشی از خط تولید پردازنده شبکه عصبی نروانا (NNP) با هدف افزایش شتاب پروسه یادگیری و استنتاج با الهام از مدل‌های هوش مصنوعی (AI) دو پردازنده جدید معرفی کرده است.

این دو تراشه که Spring Crest و Spring Hill نام دارند برای اولین بار در هفته گذشته در کنفرانس Hot Chips در پالو آلتوی کالیفرنیا معرفی شدند. بدین ترتیب اینتل بالاخره از پردازنده‌های مبتنی بر هوش مصنوعی خود در این سمپوزیوم سالانه تکنولوژی رونمایی کرد.

نام سری پردازنده‌های NNP نروانا از روی شرکت Nervana Systems برداشته شد که در سال ۲۰۱۶ به تملک اینتل درآمد. این تراشه به سیستم‌های کامپیوتری اجازه یادگیری هوش مصنوعی و استنتاج اطلاعات را می‌دهد.

ناوین رائو، معاونت گروه محصولات هوش منصوعی اینتل، می‌گوید:

در دنیایی مبتنی بر توان هوش مصنوعی، باید راهکارهای سخت‌افزاری را درون ترکیبی از پردازنده‌ها به کار ببریم که کاربردهای عملی خاصی دارند. این یعنی بررسی نیازهای کاربردی ویژه و کاهش میزان تاخیر با دستیابی به بهترین نتایج ممکن که بیشترین قرابت را به اطلاعات مدنظر ما داشته باشد.

پروژه پردازنده شبکه عصبی نروانا برای آموزش (NNP-T) به قابلیت‌هایی مجهز شده که می‌تواند انواع مختلف اطلاعات را برای مدل‌های گوناگون یادگیری عمیق با کمترین هزینه مدیریت کرده و در عین حال عملکرد بالایی داشته باشد و راندمان حافظه را افزایش دهد.

در تیرماه امسال کمپانی بایدو در همکاری مشترک با اینتل اعلام کرد که به توسعه NNP-T می‌پردازد تا اطمینان یابد که این پردازنده می‌تواند از لحاظ آموزشِ سخت‌افزاری در بالاترین سطح نیاز کاربر قرار بگیرد.

پروژه دوم که پردازنده شبکه عصبی نروانا برای استنتاج (NNP-I) نام دارد که به طور ویژه جنبه استفاده از هوش مصنوعی برای استنتاج را هدف قرار داده است. پردازنده‌های NNP-I با کمک موتور پردازش هوش مصنوعی مبتنی بر استنتاج ضمن مصرف انرژی کمتر توان عملکردی بالاتری را ارائه می‌کنند.

به گزارش رویترز، فیسبوک در حال حاضر استفاده از این پردازنده‌های جدید را آغاز کرده است.

البته این تراشه‌سازان تنها شرکت‌هایی نیستند که از پردازنده‌های یادگیری ماشینی برای مدیریت الگوریتم‌های هوش مصنوعی استفاده می‌کنند. پروژه واحد پردازش تنسور (TPU) گوگل، AWS Inferentia آمازون و NVDLA انویدیا برخی از راهکارهای محبوبی هستند که با افزایش پیچیدگی محاسبات توسط شرکت‌های مختلف ارائه شده و رواج پیدا کرده‌اند.

با این حال، NNP-T اینتل، برخلاف TPU گوگل – که به طور اختصاصی برای کتابخانه یادگیری ماشینی TensorFlow گوگل طراحی شده‌اند – یکپارچگی مستقیمی با فریم‌ورک‌های یادگیری عمیق نظیر PaddlePaddle بایدو، PyTorch فیسبوک و TensorFlow دارند.

اینتل می‌گوید پلتفرم هوش مصنوعی آن‌ها به حل مشکل تخریب اطلاعات تولیدی کمک کرده و از استفاده بهینه اطلاعات توسط شرکت‌ها اطمینان می‌یابد. این سیستم همچنین به استفاده هوشمندانه‌تر از منابع پرجریان کمک می‌کند.