غول صنعت فناوری به نظر می رسد که انقلاب هوش مصنوعی را کاملا پذیرفته است و اپل، کوالکام و هوآوی یک تراشه ی تلفن همراه ایجاد کرده اند که برای ایجاد یک پلت فرم بهتر برای یادگیری ماشین طراحی شده است و شرکت های مختلف این طرح را طراحی کرده اند در تراشه کمی متفاوت Huawei کرین 970 را در IFA سال جاری معرفی کرد، اولین چیپست آن را با یک NPU اختصاصی معرفی کرد و اپل هوش مصنوعی هوش مصنوعی A11 را معرفی کرد ، که قدرت موتور را برای iPhone8، 8Plus و X فراهم می کند. تراشه Bionic A11 دارای پردازشگر عصبی موتور است که به طور خاص برای یادگیری ماشین طراحی شده است.
Qualcomm هفته گذشته Snapdragon 845 را عرضه کرد، که وظایف هوش مصنوعی را به پردازنده اصلی پردازنده مناسب تر ارائه می داد و رویکرد طراحی برای سه شرکت متفاوت نیستند - در نهایت به توسعه دهندگان ارائه می شود حقوق دسترسی ارائه شده و میزان مصرف برق هر تنظیم.
قبل از اینکه ما این موضوع را مورد بحث، اجازه دهید شکل یک تراشه از هوش مصنوعی با CPU های موجود چه نوع متفاوت است. در صنعت، شما اغلب هوش مصنوعی مدت به نام "محاسبات ناهمگن است بشنود. آن را اشاره به سیستم با استفاده از انواع پردازنده ها، و هر پردازنده توابع منظور به دست آوردن عملکرد و انرژی بالاتر صرفه جویی در این مدت نه جدید، بسیاری از موجود و چیپ ست آن استفاده کرده اند تخصصی. - این سه محصول جدید مانند استفاده از این مفهوم در درجات مختلف.
برای سه سال گذشته، گوشی های هوشمند از معماری ARM big.LITTLE برای پردازنده استفاده کرده اند، که هسته انرژی نسبتا کند را با هسته سریعتر و با انرژی کمتری ترکیب می کند. هدف اصلی ما این است که این تراشه را کامل کنیم شاید مصرف برق کمتر برای عمر باتری بهتر باشد. اولین گوشی هایی که این معماری را اتخاذ می کنند شامل Galaxy S4 سامسونگ است که تنها تراشه Exynos5 این شرکت را شامل می شود و Mate8 Huawei و افتخار 6.
"تراشه هوش مصنوعی 'این سال را به این مفهوم یک گام بیشتر و یادگیری ماشین برای انجام کارهای با اضافه کردن یک مولفه جدید اختصاص داده شده، و یا ممکن است با استفاده از یک وظایف یادگیری ماشین دیگر هسته های کم قدرت انجام می شود. به عنوان مثال، شما می توانید از آن استفاده کنید Xiaolong 845 پردازنده سیگنال دیجیتال (DSP) که مسئولیت رسیدگی طولانی مدت انجام کار نیاز به تعداد زیادی از شمارش مجدد، برای مثال، یک کاربر نیاز به پیدا کردن کلمات گرم با تجزیه و تحلیل در یک گفتگوی طولانی در گری Brotman، مدیر عامل از محصولات کوالکام گفت از Engadget، از سوی دیگر، مانند تشخیص تصویر نیاز به از طریق GPU، قهرمانان ایمان مسئول توسعه پلت فرم Snapdragon هوش مصنوعی و روش های یادگیری ماشین هوشمند مدیریت بهتر.
در همان زمان، برنامه ایکون A11 bionics یک موتور عصبی به GPU خود اضافه می کند تا سرعت تشخیص چهره، بازخورد کلامی و استفاده از برنامه های شخص ثالث را افزایش دهد، بدین معنا که وقتی این پروسه ها را در iPhoneX شروع می کنید ، A11 موتور عصب را برای انجام محاسبات برای تأیید هویت کاربر روشن می کند، یا عبارت چهره خود را به برنامه "گفتگو" بریزید.
در تراشه Kirin 970، NPU پردازش وظایف مانند اسکن و ترجمه تصاویر را در Microsoft Translate، تنها نرم افزار شخص ثالث بهینه شده برای تراشه تا به امروز، و هوآوی گفت که Isomerism HiAI معماری محاسباتی حداکثر عملکرد اکثر اجزای چیپ ست خود را به حداکثر می رساند، بنابراین ممکن است وظایف AI را بیش از NPU ها اختصاص دهد.
علیرغم این تفاوت ها، این معماری جدید به این معنی است که در گذشته ماشین محاسبات یادگیری تنها در ابر انجام می شد و اکنون می تواند کارآمدتر بر روی دستگاه خود کار کند. با استفاده از قطعات غیر CPU برای اجرای وظایف AI، گوشی های کاربران شما می توانید در یک زمان کارهای بیشتری انجام دهید، به طوری که شما مجبور نیستید که برنامه را در حالی که منتظر برنامه برای ترجمه است یا برای یک عکس از یک سگ حیوان خانگی تماشا کنید، برای مثال.
علاوه بر این، اجرای این برنامه ها بر روی گوشی شما، نیاز به ارسال داده های کاربری کاربران را به ابر حذف می کند، که باعث می شود کاربران حریم خصوصی بیشتری داشته باشند، زیرا شانس گرفتن هکرها را از دست می دهد.
یکی دیگر از مزیت های بزرگ این تراشه های هوش مصنوعی این است که آنها انرژی را ذخیره می کنند، زیرا برخی کارها تکراری هستند و مصرف باتری تلفن همراه ما باید منطقی تر برای این فرآیند های تکراری اختصاص داده شود. GPU ها تمایل دارند انرژی بیشتری را جذب کنند، آیا یک DSP با کارآیی کارآمد تر است و می تواند اثرات مشابهی را به عنوان GPU ها به دست آورد، بهتر است که آن را انتخاب کنید.
Brotman گفت. برای روشن، هنگام تصمیم گیری برای انجام وظایف خاص، تراشه خود را می کند تصمیم بگیرید که به عنوان هسته اصلی درایو سیستم استفاده کنید. "امروز، توسعه دهندگان و فروشندگان می خواهید برای اجرای تراشه هوش مصنوعی نصب شده، 'برنامه نویسان می توانند با استفاده از یک پایگاه داده پشتیبانی مانند TensorFlow گوگل (یا دقیق تر، جنبش بازگشت به محتوا | نسخه آن) به انتخاب کنید برای اجرای مدل اصلی خود را. کوالکام، Huawei و اپل TensorFlow Lite و فیس بوک و دیگر محبوب Caffe2 اتخاذ کرده اند گزینه های آنها به عنوان برنامه پشتیبانی طراحی. کوالکام همچنین پشتیبانی از سیستم جدید باز ارز شبکه عصبی (ONNX)، در حالی که اپل از طریق هسته ی اصلی آن چارچوب ML برای مدل های یادگیری ماشین اضافه کردن سازگاری بیشتر است.
تا کنون، این تراشه دارای تاثیر قابل توجهی در دنیای واقعی است. سازندگان تراشه نتایج آزمون خود و معیار مشتری جلب، اما این نتایج آزمون تا زمانی که برنامه هوش مصنوعی قبل از زندگی روزمره ما تبدیل به بخش مهمی از معنا ندارد، چرا که ما در دستگاه دستگاه اجازه می دهد که یادگیری مراحل اولیه توسعه هستند، و استفاده از توسعه دهندگان سخت افزار جدید بسیار کم است.
اما در حال حاضر آن را روشن است که رقابت را آغاز کرده است است، رقبای در مورد چگونه ماشین وظایف مربوط به یادگیری سریع تر اجرا شود بر روی دستگاه کاربر، و قدرت بیشتر. ما فقط نیاز به اندکی صبر کنید، شما می توانید از سنتی را مشاهده تراشه به تغییرات تراشه هوش مصنوعی کمک ما را برای زندگی به ارمغان می آورد.