چرا اپل و هوآوی در تراشههای جدید خود از واحد پردازش عصبی استفاده میکنند؟
در سال ۲۰۱۸ شاهد رونق امکانات و قابلیتهای مرتبط با هوش مصنوعی در گوشیهای هوشمند بودیم.
موبنا – پردازشهای مرتبط با هوش مصنوعی اغلب به کمک پردازندههای شبکهی عصبی تقویت میشوند که این واحدهای پردازشی در کنار CPU و GPU به گوشیهای هوشمند کمک میکنند تا تجربه کاربری روانتر و بهتری ایجاد شود. اگرچه هنوز تراشهسازانی هستند که برای پردازشهای هوش مصنوعی بر CPU، GPU یا DSP (یا ترکیبی از این واحدهای پردازشی) تکیه دارند، اما میشود در رابطه با قابلیتهای هوش مصنوعی، به راحتی شاهد ضعف این نوع تراشهها در مقایسه با تراشههای مجهز به واحد پردازشی مخصوص هوش مصنوعی بود. و از آنجا پردازشهای هوش مصنوعی به مرور زمان به مجموعههای بزرگتری از دادهها وابسته میشوند و پیچیدگیشان افزایش مییابد، این فاصله بیشتر و بیشتر خواهد شد.
در بین تراشههای پرچمدار کنونی، میتوان گفت تراشهی Kirin 980 هوآوی و تراشهی A12 Bionic اپل قدرتمندترین تراشهها هستند. Kirin 980 پردازندهای هشت هستهای دارد که چهار هسته از اینها مبتنی بر معماری Cortex-A76 است و چهار هستهی دیگر بر پایهی معماری Cortex-A55 ساخته شده است. افزون بر این، تراشهی Kirin 980 از واحد پردازش گرافیکی Mali-G76 و یک واحد پردازش عصبی دوگانه (Dual-NPU) بهره میبرد. تراشهی A12 اپل هم به یک واحد پردازش مرکزی (CPU) شش هستهای، یک واحد پردازش گرافیکی (GPU) چهار هستهای و یک موتور عصبی مجهز است که این موتور عصبی یا Neural Engine به پردازشهای هوش مصنوعی اختصاص دارد.
نقض قانون مور
نخستین مدار یکپارچه یا آیسی (IC) در سال ۱۹۷۱ عرضه شد و Intel 4004 نام داشت. این آیسی که با لیتوگرافی ۱۰ میکرومتری ساخته شده بود، ۲۳۰۰ ترانزیستور را شامل میشد. اگرچه آن آیسی با استانداردهای امروزی به هیچ وجه قابل مقایسه نیست، اما انقلابی در صنعت فناوری به حساب میآمد و تاریخ انسان را وارد عصر سیلیکون کرد.
از آن زمان به بعد بود که طراحان و تولیدکنندگان تراشه به توسعهی این فناوری پرداختند و رفتهرفته ترانزیستورهای بیشتری را روی تراشههایی کوچکتر جا دادند. شخصی به نام گوردون مور هم که یکی از پایهگذاران شرکت اینتل بود، فرضی مشهور را مطرح کرد که به قانون مور معروف شد. طبق نظر مور، تعداد ترانزیستورهای روی آیسیها هر ۱۸ ماه دو برابر میشود و در نتیجه قدرت پردازشی این تراشهها هم طی این مدت دو برابر خواهد شد. به مدت پنج دهه، صنعت تراشهسازی با همان سرعتی پیش رفت که مور پیشبینی کرده بود و توانست سال به سال تراشههایی منسجم، کوچک، قدرتمند و بهینهتری تولید کند.
اما حتی مردان بزرگی از قبیل گوردون مور هم نمیتوانند آینده، یا دست کم آیندهی دور، را به درستی پیشبینی کنند. محدودیتهای فیزیکی سیلیکون و دشواریهای فنی دیگر باعث شد صنعت تراشهسازی از مسیر قانون مور منحرف شود. در بارزترین نمونه، شرکت اینتل موفق نشد حتی تا پایان سال ۲۰۱۸ تراشهای مبتنی بر لیتوگرافی ۱۰ نانومتری عرضه کند. در سال ۲۰۱۹ بود که این شرکت توانست نخستین پردازندهی ۱۰ نانومتری خود را با عنوان آیس لیک (Ice Lake) در نمایشگاه CES به نمایش بگذارد. این نمونه نشان میدهد که صنعت تولید تراشه با موقعیتی دشوار مواجه شده و شرکتها دیگر نمیتوانند فقط با تکیه بر بهبود آیسیها به فکر افزایش سرعت و تقویت عملکرد تراشهها باشند.
تولد واحد پردازش عصبی
ضعف صنعت تراشهسازی با رشد و توسعهی فناوری هوش مصنوعی همزمان شده است. پردازشهای هوش مصنوعی معمولاً به حجم زیادی از پردازشهای نسبتاً سبک وابسته است که به پردازشهای همزمان یا موازی نیاز دارد. این نوع از پردازش با پردازندههای متداول سازگار نیست. آزمایشهای هوآوی نشان میدهد که عملکرد پردازشهای هوش مصنوعی تراشههایی که بر CPU، GPU و DSP تکیه دارند، بسیار کمتر از تراشههایی است که یک NPU یا واحد پردازش عصبی اختصاصی برای آنها در نظر گرفته شده. هرچه هم بر اندازهی پایگاه داده اضافه شود، این اختلاف بیشتر خودنمایی خواهد کرد.
از آنجا که واحدهای پردازشی معمولی نمیتوانند توان مورد نیاز برای اپلیکیشنهای مبتنی بر هوش مصنوعی را فراهم کنند، لازم است صنعت تراشهسازی به دنبال ریزمعماری جدیدتری باشد. در سال ۲۰۱۷، هوآوی تراشهی Kirin 970 را به بازار معرفی کرد که نخستین تراشهی موبایلی مخصوص هوش مصنوعی بود. تراشهی Kirin 970 که به نخستین NPU یا واحد پردازش عصبی در صنعت تراشهسازی مجهز است، میتواند وظایف مرتبط با هوش مصنوعی را سریعتر و بهینهتر از تراشههایی به انجام برساند که فقط CPU و GPU دارند. این معماری پردازشی ناهمگون، در مقایسه با توان پردازشی CPU به کار گرفته شده در Kirin 970، میتواند ۵۰ برابر بهینهتر باشد و از نظر عملکرد، ۲۵ بار بهتر عمل کند. طبق آزمایشهای هوآوی، تراشهی Kirin 970 میتواند تقریباً در هر دقیقه ۲۰۰۰ تصویر را به کمک واحد پردازش عصبی خود تشخیص بدهد.
نقطه عطف واقعی
زمانی که هوآوی تازهترین فناوریهای مرتبط با هوش مصنوعی را عرضه کرد، شرکتهای دیگر نیز برای رقابت دست به کار شوند. شرکت کوالکام طراحی تراشههایی را آغاز کرده است که قدرت پردازشی CPU، GPU و DSP را برای پردازشهای هوش مصنوعی به کار میگیرد و اپل مسیری را در پیش گرفته که با راهبرد هوآوی شباهت زیادی دارد؛ اپل هم مانند هوآوی یک واحد پردازش عصبی اختصاصی به تراشههای خود اضافه کرده و نام این واحد را «موتور عصبی» یا «Neural Engine» گذاشته است.
از زمانی که هوآوی نخستین تراشهی مجهز به NPU خود را معرفی کرد، فقط دو سال میگذرد، اما در این مدت از یک طرف افزایش علاقهی فعالان صنعت نیمههادی به پردازندههای هوش مصنوعی را شاهد بودهایم و از طرف دیگر دیدهایم که کاربران با آغوش باز به استقبال امکانات و قابلیتهای فناوری هوش مصنوعی رفتهاند. هوآوی Master AI را در قالب Mate 10 معرفی کرد که مجموعهای از امکانات هوش مصنوعی بود، و اکنون کاربران به قدری با هوش مصنوعی آشنا شدهاند که از این فناوری برای بهبود عکسهای خود استفاده میکنند.
در سپتامبر ۲۰۱۸ هم هوآوی جدیدترین تراشهی خود، Kirin 980، را معرفی کرد که نوآوریهای پیشگامانهای را در حوزهی هوش مصنوعی به نمایش میگذارد. برای نمونه، این تراشه شامل نخستین پردازندهی عصبی دوگانه است که توان پردازشی هوش مصنوعی را به طور جدی تقویت میکند. این تراشه میتواند در هر دقیقه ۴۵۰۰ تصویر را تشخیص بدهد که در مقایسه با تراشهی نسل قبلی ۱۲۰ درصد سریعتر شده است.
پردازندهی عصبی دوگانه یا Dual-NPU تجربهی بهینهتری را در حالتهای مختلف (تشخیص چهره، تشخیص اشیا، قطعهبندی عکسها و ترجمهی هوشمند و غیره) ارائه میکند. مثلاً گوشیهای سری Mate 20 میتوانند چند شیٔ و چهرهی کاربر را بهشکل همزمان تشخیص بدهند.
اکنون هوش مصنوعی به جزئی جداییناپذیر از دستگاههای الکترونیکی مصرفی تبدیل شده است، ولی ما تا اینجای کار فقط بخشی کوچک از تواناییهای نهفتهی فناوری هوش مصنوعی را دیدهایم. هوش مصنوعی میتواند انقلابی در شیوهی تعامل ما با فناوری به وجود بیاورد. اما همهی قابلیتها و امکانات هیجانانگیز هوش مصنوعی به پشتیبانی سختافزاری نیاز خواهد داشت و توسعهی پردازندههای عصبی گوشیهای موبایل به فناوری هوش مصنوعی امکان خواهد داد با سرعت بیشتری رشد کند. هوآوی هم میکوشد به عنوان یکی از نخستین شرکتهایی که از واحد پردازش عصبی در تراشههای خود استفاده کرده، در توسعهی هرچه بیشتر فناوری هوش مصنوعی نقش داشته باشد.