یک تراشه رایانه‌ای جدید و «بی‌نظیر» ممکن است بنا به گفته سازندگان آن، به انقلابی در هوش مصنوعی کمک کند.
این سامانه به هوش مصنوعی که به صورت فزاینده‌ای در حال پیچیده‌تر شدن است، امکان می‌دهد که بدون نیاز به ارسال اطلاعات به ابر، روی خود تراشه‌ها فعالیت کند.
در حال حاضر، بیشتر کاربردهای هوش مصنوعی بر روی یک دستگاه و به‌صورت محلی (Local) انجام نمی‌شود، زیرا عمر باتری و قدرت پردازش آن‌ها محدود است. در عوض، اطلاعات از طریق اینترنت به رایانه دیگری فرستاده می‌شود، بررسی یا محاسبه می‌شود و سپس دوباره [به آن دستگاه] ارسال می‌شود.
کارشناسان امیدوارند که در نهایت هوش مصنوعی بتواند در دستگاه‌های «اج» (edge) به کار گرفته شود: چیزهایی مانند گوشی‌های موبایل که می‌توانند وظایف دقیق هوش مصنوعی را در هر زمان و مکانی انجام دهند.
[توضیح: سرعت داده افزایش‌یافته برای تحول جی‌اس‌ام (Enhanced Data for Global Evolution) یا به اختصار «اج» (EDGE) به فناوری‌ای در تلفن‌های همراه اطلاق می‌شود که باعث افزایش سرعت انتقال اطلاعات می‌شود.]
Read More
This section contains relevant reference points, placed in (Inner related node field)
پیشرفت جدید گامی به سوی [تحقق] آن است، زیرا این فرصت را در اختیارمان قرار می‌دهد که به کمک آن طیف گسترده‌ای از وظایف مختلف هوش مصنوعی بسیار سریع‌تر و کارآمدتر از همیشه انجام شوند.
این سطح از بازدهی معمولا به قیمت [کاهش] تنوع عملکردی به دست می‌آید و تراشه‌ها این قابلیت را دارند که یا انرژی کمتری مصرف کنند یا وظایف بیشتری را انجام دهند، اما نمی‌توانند هر دوی آن‌ها به طور هم‌زمان انجام بدهند. با این حال، به نظر می‌رسد سامانه جدید بتواند بر این مشکل غلبه کند.
این کار با استفاده از «حافظه مقاومتی با دسترسی تصادفی» (ReRAM) انجام می‌شود و به ما این امکان را می‌دهد که محاسبات به جای اینکه به واحدهای پردازش جداگانه منتقل شوند، مستقیما در حافظه انجام شوند و این باعث سرعت بخشیدن به زمان پردازش می‌شود.
این سیستم پیش از این ثابت کرده است که هم در مصرف انرژی و هم در مدت زمانی که [پردازش] طول می‌کشد، توانایی فوق‌العاده‌ای دارد.
برای مثال، در تجزیه‌وتحلیل ارقام دست‌نویس ۹۹ درصد دقت و در عملکرد بازشناسی گفتار گوگل (Google Speech) ۸۴.۷ درصد دقت از خود نشان داد.
با این وجود، دانشمندان امیدوارند که این سامانه را بهبود بخشند تا حتی از این هم سریع‌تر و کارآمدتر شود و برای کاربردهای گسترده‌تری آماده استفاده باشد.
مقاله‌ای که این یافته‌ها را شرح می‌دهد با عنوان «تراشهای محاسباتی در حافظه، مبتنی بر حافظه مقاومتی با دسترسی تصادفی»، ۱۸ اوت ۲۰۲۲، در نیچر (Nature) منتشر شده است.
© The Independent
