استنفورد تراشه جدیدی را برای بهبود کارایی محاسبات هوش مصنوعی طراحی می کند

هوش مصنوعی لبه (AI) استقرار دستگاه های هوش مصنوعی در لبه شبکه ها است، به عبارت دیگر این دستگاه ها در حال جمع آوری و محاسبه داده های نزدیک به کاربر هستند. نمونه ای از این خودروهای خودران است. داده‌های مربوط به نزدیکی خودروهای دیگر، ترافیک و موانع توسط خودرو جمع‌آوری و محاسبه می‌شوند تا در یک مرکز محاسبات ابری یا مرکز داده خصوصی.

این قابلیت‌های فن‌آوری، سازمان‌ها را قادر می‌سازد تا اتوماسیون را افزایش داده و فرآیندها، کارایی و ایمنی را بهبود بخشند. در حال حاضر این دستگاه های لبه به دلیل قدرت باتری خود محدود شده اند. مقدار زیادی از انرژی این فناوری صرف انتقال داده ها بین واحد محاسباتی (محل پردازش داده ها) و واحد حافظه (محل ذخیره داده ها) می شود. کلید افزایش قابلیت ها و بهره وری انرژی این دستگاه ها کاهش حرکت داده ها بین این دو واحد است.

مهندسان دانشگاه استنفورد که با همکاری آزمایشگاه Gert Cauwenberghs در دانشگاه کالیفرنیا، سن دیگو طراحی شده اند، برای حل این مشکل تصمیم گرفتند و یک راه حل بالقوه - NeuRRAM را شناسایی کردند. این تراشه جدید حافظه با دسترسی تصادفی مقاومتی (RRAM) را برای حفظ داده‌ها حتی زمانی که برق خاموش است و حافظه محاسباتی (CIM) برای فعال کردن محاسبات AI به طور مستقیم در واحد حافظه یکپارچه می‌کند. این ویژگی‌ها انتقال داده‌های شدید بین واحدهای محاسباتی و حافظه را حذف می‌کنند و امکان ذخیره مدل‌های بزرگ هوش مصنوعی را در یک منطقه کوچک در حالی که انرژی بسیار کمی مصرف می‌کنند، می‌سازد. گفته می شود که NeuRRAM دو برابر جدیدترین مدل ها کارآمدتر از انرژی است و به همان اندازه دقیق است.

انجام این محاسبات روی تراشه به جای ارسال اطلاعات به و از ابر، می‌تواند هوش مصنوعی سریع‌تر، ایمن‌تر، ارزان‌تر و مقیاس‌پذیرتر را در آینده فعال کند و به افراد بیشتری دسترسی به قدرت هوش مصنوعی بدهد.»    - H.-S فیلیپ ونگ، پروفسور ویلارد آر و اینز کر بل در دانشکده فنی و مهندسی.

کنسرسیوم جامعه محاسباتی در سال 2020 یک مقاله چهارساله (مجموعه ای از مقالات سفید نوشته شده توسط جامعه محاسباتی برای اطلاع رسانی به دولت های جدید) نوشت. هوش مصنوعی در لبه. این مقاله کاربردهای بالقوه استقرار دستگاه‌های هوش مصنوعی «در لبه» را مورد بحث قرار می‌دهد و الزامات و زمینه‌های تحقیقاتی را که باید قبل از اجرای این سیستم‌ها بررسی شوند، شناسایی می‌کند.

می توانید در مورد NeuRRAM و تحقیقاتی که در مورد آن انجام شده است بیشتر بخوانید اخبار استانفورد