โมเดลและแพลตฟอร์ม AI
ความก้าวหน้าในไมโครชิปนำเราเข้าใกล้การประมวลผล AI ที่จุดสิ้นสุด
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
นักวิจัยจากมหาวิทยาลัยพรินซ์ตันได้พัฒนาฮาร์ดแวร์และซอฟต์แวร์ที่ออกแบบมาเพื่อเพิ่มความเร็วและประสิทธิภาพของระบบปัญญาประดิษฐ์ (AI) ที่มีการออกแบบเฉพาะ
นาวีน เวอร์มา เป็นศาสตราจารย์ภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ tại มหาวิทยาลัยพรินซ์ตัน และเป็นผู้นำทีมวิจัย
“ซอฟต์แวร์เป็นส่วนสำคัญในการใช้ฮาร์ดแวร์ใหม่ๆ” เวอร์มา กล่าว “ความหวังของเราคือให้นักออกแบบสามารถใช้ซอฟต์แวร์ระบบเดียวกัน และมันจะทำงานได้เร็วขึ้นและประสิทธิภาพดีขึ้น 10 เท่า”
ระบบที่นักวิจัยพัฒนาขึ้นสามารถลดความต้องการพลังงานและปริมาณข้อมูลที่ต้องถูกส่งจากเซิร์ฟเวอร์ระยะไกล ซึ่งทำให้สามารถนำไปใช้กับแอปพลิเคชัน AI เช่น ซอฟต์แวร์สำหรับขับเคลื่อนโดรนได้
เวอร์มา ยังเป็น ผู้อำนวยการของศูนย์นวัตกรรมทางการศึกษาวิศวกรรมของมหาวิทยาลัย
“เพื่อให้ AI สามารถเข้าถึงและใช้งานได้จริงในกระบวนการและขั้นตอนต่างๆ ที่发生ทุกวัน เราต้องแก้ไขปัญหาความล่าช้าและความเป็นส่วนตัวโดยการย้ายการประมวลผลไปที่จุดสิ้นสุด” เวอร์มา กล่าว “และสิ่งนั้นต้องการทั้งประสิทธิภาพและความสามารถในการประหยัดพลังงาน”
การออกแบบชิปใหม่
ทีมจากมหาวิทยาลัยพรินซ์ตันพัฒนาการออกแบบชิปใหม่เมื่อ 2 ปีที่แล้ว ซึ่งออกแบบมาเพื่อปรับปรุงประสิทธิภาพของเครือข่ายประสาทเทียม ชิปนี้สามารถทำงานได้ดีกว่าไมโครชิปอื่นๆ ในตลาด 10 ถึง 100 เท่า
“ชิปนี้มีข้อเสียเปรียบหลักคือใช้สถาปัตยกรรมที่ไม่ปกติและรบกวน” เวอร์มา กล่าวในปี 2018 “สิ่งนี้ต้องถูกปรับให้เข้ากับโครงสร้างพื้นฐานและวิธีการออกแบบที่มีอยู่ในปัจจุบัน”
ชิปนี้ถูกปรับปรุงอย่างต่อเนื่องในช่วง 2 ปีที่ผ่านมา และระบบซอฟต์แวร์ถูกสร้างขึ้นเพื่อให้ระบบ AI สามารถใช้เทคโนโลยีใหม่นี้ได้อย่างมีประสิทธิภาพ ความคิดคือชิปใหม่นี้จะช่วยให้ระบบสามารถปรับขนาดได้ทั้งในด้านฮาร์ดแวร์และซอฟต์แวร์
“ชิปนี้สามารถเขียนโปรแกรมได้ทั่วเครือข่าย” เวอร์มา กล่าว “เครือข่ายสามารถมีขนาดใหญ่หรือเล็กได้”
สถานการณ์ที่ดีที่สุดสำหรับการประมวลผลคือการประมวลผลที่เกิดขึ้นบนอุปกรณ์เอง ไม่ใช่บนคอมพิวเตอร์เครือข่ายระยะไกล แต่นี่ต้องการพลังงานและหน่วยความจำจำนวนมาก ซึ่งทำให้การออกแบบระบบดังกล่าวเป็นเรื่องที่ท้าทาย
เพื่อเอาชนะข้อจำกัดเหล่านี้ นักวิจัยได้ออกแบบชิปที่สามารถประมวลผลและจัดเก็บข้อมูลในพื้นที่เดียวกัน ซึ่งเรียกว่าการประมวลผลในหน่วยความจำเทคนิคนี้ช่วยลดพลังงานและเวลาที่ต้องการในการส่งข้อมูลกับหน่วยความจำที่อุทิศ
เพื่อหลีกเลี่ยงการดำเนินการแบบแอนะล็อก ซึ่งจำเป็นต่อการประมวลผลในหน่วยความจำและไวต่อการเสียหาย ทีมงานได้ใช้แคปาซิเตอร์แทนทรานซิสเตอร์ในการออกแบบชิป แคปาซิเตอร์ไม่ได้รับผลกระทบจากการเปลี่ยนแปลงแรงดันและแม่นยำกว่า
แม้จะมีข้อจำกัดต่างๆ เกี่ยวกับระบบแอนะล็อก แต่ก็มีข้อดีหลายประการเมื่อใช้กับแอปพลิเคชันเช่นเครือข่ายประสาทเทียม นักวิจัยกำลังพยายามรวมระบบทั้งสองประเภทเข้าด้วยกัน เนื่องจากระบบดิจิตอลเป็นศูนย์กลาง ในขณะที่เครือข่ายประสาทเทียมที่พึ่งพาชิปแอนะล็อกสามารถทำงานได้เร็วและประสิทธิภาพสูง
