سوميت كومار، المؤسس المشارك والرئيس التنفيذي لشركة Innatera – سلسلة المقابلات

سوميت كومار هو المؤسس المشارك والرئيس التنفيذي لشركة Innatera Nanosystems، حيث يقود تطوير معالجات عصبية فائقة الكفاءة لتحليل بيانات المستشعرات في إنترنت الأشياء، والأجهزة القابلة للارتداء، والأجهزة المدمجة. سبق له إدارة أبحاث ممولة من الاتحاد الأوروبي في جامعة دلفت للتكنولوجيا، بما في ذلك مشروع PRYSTINE بقيمة 50 مليون يورو لتقنيات المركبات ذاتية القيادة، وشغل مناصب في شركة إنتل وفي الأبحاث الأكاديمية المتعلقة ببنى المعالجات المتقدمة.

إيناتيرا شركة أشباه موصلات تُركز على جلب ذكاء اصطناعي فائق الانخفاض للطاقة إلى "حافة المستشعرات". يكمن ابتكارها الأساسي في معالجات عصبية مُحسّنة مبنية على بنية إشارات تناظرية مختلطة تُحاكي معالجة الدماغ القائمة على الأحداث. تستطيع هذه الرقاقات التعرف على الأنماط في بيانات المستشعرات بمستويات طاقة أقل من ملي واط وزمن وصول منخفض للغاية، مما يجعلها مثالية للتطبيقات دائمة التشغيل ومحدودة الطاقة.

شاركتَ في تأسيس شركة Innatera عام ٢٠١٨، وكانت لديكَ رؤيةٌ لجلب المعالجات العصبية الشكلية من المختبرات إلى أجهزةٍ عملية. ما الذي دفعكَ شخصيًا لتأسيس الشركة، وكيف تطورت هذه الرؤية على مدار السنوات السبع الماضية؟

تأسست شركة Innatera بمهمة واضحة: إيصال ذكاءٍ يُشبه ذكاء الدماغ مباشرةً إلى المستشعر. كانت الدلائل واضحةً حتى عام ٢٠١٨، حيث كانت الأجهزة تُدمج مستشعراتٍ متزايدة التعقيد، وكانت الحاجة إلى الاستشعار الدائم في ازدياد. افتقرت وحدات التحكم الدقيقة إلى قدرات الذكاء الاصطناعي الموفرة للطاقة، وحتى ذلك لم يُحدث فرقًا يُذكر فيما يتعلق بالمعالجة المستمرة في الأجهزة التي تعمل ببطاريات صغيرة. كان من الواضح أن طريقة معالجة بيانات المستشعر في هذه الأجهزة بحاجة إلى تغيير، ويبدو أن عقدًا من الأبحاث التي أجريناها في جامعة دلفت التقنية حول الحوسبة العصبية الشكلية والمعالجة الموفرة للطاقة قد قدّم إجابةً لهذا التحدي.

ظلت رؤيتنا ثابتة: عالم أكثر ذكاءً ونظافةً وأمانًا، مدعومًا بالذكاء الاصطناعي. من خلال دمج الذكاء الاصطناعي في أجهزة الاستشعار، ستُمكّن رقائقنا من معالجة بيانات أجهزة الاستشعار العالمية مباشرةً من المصدر، مما يُؤدي إلى انخفاضٍ جذري في استهلاك الطاقة للذكاء الاصطناعي الحديث. نهدف إلى جعل مليار جهاز استشعار ذكيًا بحلول عام ٢٠٣٠.

صحافة هي الخطوة الأولى في هذه الرحلة - إنها أول متحكم عصبي الشكل في العالم مصمم للاستخدام العام. إنها تجعل الذكاء المستوحى من الدماغ عمليًا في الأجهزة القابلة للارتداء، وأجهزة المنزل الذكي، والأنظمة الصناعية، وغيرها من الاستخدامات، مع إرساء أسس تقنيات المستقبل التكيفية والمستقلة.

يعتمد نظام بولسار على نهج جديد كليًا لمعالجة المستشعر، تبلور على مدار سبع سنوات من البحث والهندسة الدقيقة. بدأ المشروع بأربعة أشخاص، ثم تطور ليصبح فريقًا عالميًا يضم 100 شخص موزعين على 15 دولة، يجمعهم ثقافة تُولي الأولوية للإنسان، مبنية على المرونة والإبداع والطموح.

يُوصف بولسار بأنه أول متحكم عصبي الشكل متوفر فعليًا في السوق. ما الذي يميزه عن الرقائق العصبية الشكلية السابقة التي ظلت مقتصرة بشكل كبير على مختبرات الأبحاث؟

غالبًا ما ينصب تركيز البحث الأكاديمي على تطوير مناهج جديدة ومبتكرة لحل المشكلات الصعبة. ونتيجةً لذلك، غالبًا ما تُقاس فوائد الحلول بمعزل عن غيرها. ومع ذلك، عند تطبيق هذه التقنيات الجديدة في الإنتاج، يتعين عليها التفاعل مع أجزاء أخرى من النظام، مما يؤدي غالبًا إلى تضاؤل ​​فوائدها. وينطبق هذا أيضًا على العديد من تقنيات تسريع الذكاء الاصطناعي التقليدية والعصبية الشكلية - حيث تُدمج في أنظمة غير مصممة بنفس الأساسيات، مما يؤدي إلى نتائج ضعيفة الكفاءة. أما بولسار، فهو متحكم دقيق كامل مستقل، مصمم خصيصًا لمعالجة بيانات المستشعر بكفاءة في أقصى الحدود.

صُمم نظام Pulsar من البداية ليدمج كل ما يلزم لمعالجة بيانات المستشعرات في شريحة واحدة: أنوية عصبية تناظرية ورقمية متصاعدة، ومسرعات CNN وFFT، ونظام فرعي RISC-V كامل 32 بت لإدارة النظام والتحكم في المستشعرات. تتيح هذه البنية المتنوعة لـ Pulsar تحويل بيانات المستشعر الخام إلى رؤى عملية مباشرة على الجهاز، مع استهلاك طاقة أقل بما يصل إلى 500 مرة، وأسرع 100 مرة من معالجات الذكاء الاصطناعي التقليدية.

إلى جانب العتاد، تُعالج Pulsar أيضًا العائق البرمجي القائم منذ زمن طويل. تُتيح حزمة تطوير البرامج Talamo SDK، المُدمجة مع PyTorch، تطوير النماذج العصبية الشكلية للمهندسين العاديين، وتُمكّن النماذج المدمجة التي يقل حجمها عن 5 كيلوبايت من العمل بميزانيات طاقة أقل من ملي واط. بفضل دمج كل هذا في حزمة 2.8 × 2.6 مم، تُلغي Pulsar الحاجة إلى إعدادات متعددة الشرائح ضخمة، مما يجعلها أول معالج عصبي الشكل جاهز للنشر الفعلي في السوق.

تُعدّ إمكانية الوصول موضوعًا رئيسيًا في Innatera. كيف تُساهم مجموعة تطوير البرامج Talamo، وخاصةً بفضل تكاملها مع PyTorch، في تخفيف العوائق أمام المطورين الجدد في مجال الحوسبة العصبية؟ 

لعقود، لم يكن العائق الرئيسي أمام تبني الحوسبة العصبية الشكلية هو الأجهزة، بل كان نقص الأدوات الملائمة للمطورين. واجه المطورون صعوبات تعلم حادة وسير عمل غير مألوف، مما أبطأ الابتكار. تعالج تالامو هذه المشكلة مباشرةً من خلال توفير حزمة تطوير برمجيات (SDK) قائمة على PyTorch، تُمكّن المهندسين من تصميم وتدريب ونشر شبكات عصبية نشطة من خلال سير عمل مألوف. يمكن دمج النماذج المدمجة بسهولة في هياكل المستشعرات الحالية، مما يُتيح ذكاءً دائمًا حتى في أصغر الأجهزة وأقلها استهلاكًا للطاقة. من خلال إزالة التعقيد وتسريع عملية التطوير، تُتيح تالامو الحوسبة العصبية الشكلية للمطورين العاديين، وتُسرّع عملية الانتقال من النموذج الأولي إلى المنتج النهائي.

من الناحية الفنية، كيف تقوم بموازنة مسرعات التناظرية والرقمية داخل Pulsar للتعامل مع أحمال العمل المتنوعة بكفاءة؟ 

يمزج تصميم نظام بولسار بين النوى التناظرية والرقمية عالية الأداء لتحسين استخدام الطاقة وزيادة مرونتها. توفر النوى التناظرية معالجة فائقة الكفاءة لأحمال عمل المستشعرات المستمرة والمستمرة، حيث يُحسب كل ميكروواط. أما النوى الرقمية، فتُوفر إمكانية البرمجة والدقة للمهام الأكثر تعقيدًا أو تنوعًا، مع الحفاظ على كفاءة الطاقة. تُوزع أحمال العمل بين النوى الرقمية والرقمية حسب احتياجات التطبيق، مما يضمن استهلاك الطاقة فقط عند تغير البيانات. يُمكّن هذا النهج القائم على الأحداث نظام بولسار من الحفاظ على أداء أقل من ملي واط مع الحفاظ على المرونة اللازمة لدعم تطبيقات متنوعة في العالم الحقيقي.

هل يمكنك أن تأخذنا في جولة خلال سير عمل المطور النموذجي - من تدريب النموذج إلى نشره على Pulsar - وأين يتم تحقيق أكبر مكاسب في الكفاءة؟

يبدأ سير العمل في PyTorch، حيث يصمم المطورون نماذجهم ويدربونها كما يفعلون مع الذكاء الاصطناعي التقليدي. باستخدام حزمة تطوير البرامج Talamo من Innatera، يُحوّل النموذج إلى شبكة عصبية تصاعدية مُحسّنة لأجهزة Pulsar. بعد ذلك، يُمكن للمطورين محاكاة النموذج وتحسينه ونشره مباشرةً على الشريحة، غالبًا بحجم صغير يصل إلى 5 كيلوبايت. تُدمج خطوة تطوير النموذج ضمن مسار تطوير تطبيقي أوسع، مما يُمكّن المطور من بناء شيفرة برمجية تستهدف RISC-V، بالإضافة إلى مُسرّع CNN، بطريقة موحدة. يُترجم هذا إلى تجربة تطوير مُحسّنة ووقت تطوير أقصر.

تتحقق أكبر مكاسب في الكفاءة بمجرد تشغيل النموذج على أنوية Pulsar المُحفَّزة بالأحداث. فعلى عكس وحدات التحكم الدقيقة التقليدية التي تستهلك الطاقة باستمرار، لا تحسب Pulsar إلا عند تغير بيانات الإدخال. وهذا يسمح للمهام التي تعمل باستمرار، مثل التعرف على الإيماءات أو كشف وجود الرادار، بالعمل باستمرار بمستويات أقل من ملي واط، مما يُحقق تحسينات هائلة في كفاءة الطاقة مع الحفاظ على دقة عالية وزمن وصول قصير للغاية.

ما هي القطاعات التي تظهر أسرع معدل تبني لتكنولوجيتك، وهل يمكنك مشاركة أمثلة للعملاء أو الشركاء الأوائل الذين يقومون بالفعل بنشر Pulsar في المنتجات؟

يشهد استخدام نظام بولسار نموًا سريعًا في المجالات التي تتطلب استشعارًا مستمرًا واستهلاكًا منخفضًا للطاقة، بما في ذلك المنازل الذكية، والأجهزة القابلة للارتداء، والسلامة الصناعية. ومن الأمثلة الجيدة على ذلك مختبرات آروه، التي طورت الجيل التالي من أجهزة كشف الدخان التي تعمل بتقنية Innatera، والتي كُشف النقاب عنها مؤخرًا في معرض SEMICON India 2025. لا تقتصر هذه الأجهزة على استشعار الدخان فحسب، بل تجمع بين كشف الدخان ومراقبة التواجد البشري، مما يعزز الوعي الظرفي، ويُمكّن من أنظمة سلامة أكثر ذكاءً في البيئات السكنية والتجارية والصناعية.

يمكن توسيع نطاق النهج العصبي الشكلي نفسه ليشمل تتبع الأصول والمراقبة البيئية، مع تداعيات واسعة النطاق على الرعاية الصحية المتصلة والمدن الذكية. في معرض SEMICON India، استعرضت شركة CYRAN AI Solutions أيضًا كيفية دمج تقنية Innatera في أنظمة استشعار مدمجة، مثل أجهزة تخطيط كهربية العضلات (EMG) القابلة للارتداء للتعرف على الإيماءات، مما يُبرز إمكانات الذكاء الاصطناعي العصبي الشكلي في تمكين التفاعل البديهي بين الإنسان والآلة.

إن هذه النشرات المبكرة ليست سوى البداية، مما يشير إلى أن الحوسبة العصبية تتحول من النظرية إلى الممارسة في الوقت الذي نتحدث فيه، وتتجذر بسرعة في التطبيقات في العالم الحقيقي.

في العروض التوضيحية، رأينا أمثلةً مثل تقنية التعرف على الإيماءات منخفضة الطاقة للغاية، وتقنية كشف الوجود بالرادار، التي تستهلك أقل من ملي واط. كيف يُمكن التحقق من الدقة والموثوقية في مثل هذه البيئات المحدودة؟

غالبًا ما يعتمد التحقق من الصحة على التطبيق، وبالإضافة إلى الدقة، تُعدّ معدلات اكتشاف النتائج الإيجابية والسلبية الخاطئة مؤشرًا بالغ الأهمية على موثوقية الحل. غالبًا ما يكون لدى العملاء مؤشرات أداء رئيسية وشروط اختبار محددة للتحقق من الصحة. تُعدّ مرونة Pulsar أساسيةً في توفير حلول شاملة تُمكّن العملاء من تلبية جميع المتطلبات اللازمة لحالات استخدامهم. تُجرى المقارنات من خلال مقارنة أداء وحدات التحكم الدقيقة (MCUs) والمسرّعات التقليدية، والتي تستهلك عادةً طاقةً أكبر بمقدار 40-100 مرة لنفس المهام.

في العروض التوضيحية الواقعية، مثل كشف الحضور بالرادار وتصنيف المشاهد الصوتية، يُحقق نظام Pulsar دقةً تتجاوز 90% باستمرار مع الحفاظ على ميزانيات أقل من ملي واط. يُمكّن هذا من التشغيل المستمر دون التضحية بالموثوقية، وهو أمرٌ كانت الأنظمة التقليدية التي تعمل دائمًا تُضطر للتنازل عنه من خلال إيقاف تشغيلها من وضع السكون، أو خفض الأداء، أو نقل البيانات إلى السحابة.

لقد وضعتم بولسار كمكمّل لوحدات المعالجة العصبية (NPU) ووحدات المعالجة المركزية (CPU) التقليدية. كيف ترون توافق الحوسبة العصبية الشكلية مع مجموعة شرائح السيليكون الأوسع للأجهزة الذكية المستقبلية؟

صُممت بولسار لتكون أول شريحة تتواصل معها المستشعرات. تُعالج البيانات محليًا بطاقة منخفضة للغاية، محولةً إشارات المستشعر الخام إلى معلومات مفيدة وقابلة للتنفيذ، مباشرةً من المصدر. ولا يمكن بعد ذلك تشغيل وحدات المعالجة العصبية (NPU) ووحدات المعالجة المركزية (CPU) إلا عند الحاجة إلى معالجة أثقل.

هذا يجعل المعالجات العصبية الشكلية طبقةً تكميليةً في بنية السيليكون؛ أساسًا متطورًا واعيًا دائمًا، يُطيل عمر الأجهزة، ويُقلل استهلاك الطاقة، ويُحسّن الاستجابة. يُغني Pulsar عن المكونات التقليدية عالية الطاقة في النظام مهمة معالجة بيانات المستشعرات، مما يسمح بإيقاف تشغيلها في العديد من الأجهزة، بل وفي بعض الحالات، الاستغناء عنها تمامًا. هذا يُؤدي إلى أجهزة أذكى وأطول عمرًا.

ما هو الدور الذي تلعبه التعاونات مع شركاء مثل Aaroh Labs وCYRAN AI Solutions في تسريع اعتماد الذكاء الاصطناعي العصبي في العالم الحقيقي؟

تُشكّل الشراكات جسرًا يربط بين التكنولوجيا الرائدة وانتشارها الواسع. من خلال العمل مع مبتكرين مثل Aaroh Labs وCYRAN AI Solutions، تضمن Innatera ثبات فعالية Pulsar في بيئات واقعية وتصميمه خصيصًا لقطاعات محددة. تُوظّف Aaroh Labs الذكاء الاصطناعي العصبي في البنية التحتية الحيوية للسلامة، بينما تُبرهن CYRAN AI Solutions على إمكاناتها في التفاعل البديهي بين الإنسان والآلة. تُثبت هذه التعاونات تنوع هذه التقنية، مما يُقلل العوائق أمام الجهات الأخرى المُعتمدة، ويعزز الثقة في نشر المعالجات العصبية على نطاق واسع.

تُمكّننا شراكاتنا مع مُورّدي أجهزة الاستشعار، مثل Socionext، من دمج الذكاء الاصطناعي بشكلٍ وثيق في وحدة الاستشعار، مما يُبسّط استيعاب ونشر الاستشعار الذكي في الأجهزة. علاوةً على ذلك، تُعزّز هذه الشراكات منظومتنا القوية والمتنامية أصلًا، وتُسرّع انتشار الحوسبة العصبية الشكلية في هذا القطاع.

بالنظر إلى المستقبل، هل ترى أن Pulsar وخلفائها يتجهون نحو التعلم والتكيف على الجهاز، بدلاً من الاستدلال فقط على الحافة؟

بالتأكيد. مع بولسار، بدأنا للتو في استكشاف ما يمكن أن تقدمه المعالجات العصبية. تتميز المعالجات العصبية بكفاءتها العالية في التعلم والتكيف عبر الإنترنت، ويرسي بولسار الأساس لأجهزة قادرة على القيام بأكثر من مجرد الكشف والاستجابة.

من المتوقع أن تُمكّن الحوسبة العصبية الشكلية جيلًا جديدًا من أجهزة الحافة القابلة للتكيف والاستقلالية؛ أنظمة تتعلم وتُعاير نفسها وتُحسّن أدائها آنيًا باستخدام بطاريات صغيرة. سيُتيح هذا التطور مجموعة واسعة من التطبيقات، بدءًا من الأجهزة القابلة للارتداء التي تتكيف مع سلوكك فورًا، وصولًا إلى الأنظمة الصناعية التي تتنبأ بالأعطال وتمنعها بأقل استهلاك للطاقة. الهدف على المدى البعيد هو ابتكار أجهزة ذكية بقدر ما هي قابلة للتكيف والمرونة باستمرار، مما يُعيد تعريف ما هو ممكن حقًا في مجال الحافة.

شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا إيناتيرا.