مترجم: علي طالبي
هوش مصنوعي (AI) يكي از مهم‌ترين فناوري‌هاي در حال ظهور است. شركت‌هاي IT در سراسر جهان در حال راه‌اندازي فناوري جديدي‌اند و رقابتي بي‌سابقه در اين زمينه شكل گرفته است. با اين حال، بيشتر فناوري‌هاي AI روي نرم‌افزار تمركز دارند و سرعت عملكرد آنها پايين است كه به همين سبب آنها را در سازش با دستگاه‌هاي همراه (مانند تلفن همراه هوشمند، تبلت كامپيوتري و...) ضعيف ساخته است. از اين رو، بسياري از شركت‌هاي بزرگ در حال سرمايه‌گذاري روي گسترش چيپ‌هاي نيمه‌هادي بوده كه با نياز به انرژي كم و در عين حال با داشتن بيشترين سرعت مي‌توانند برنامه‌هاي AI را راه اندازي كنند.
يك گروه تحقيقاتي از دپارتمان مهندسي برق به سرپرستي پروفسور «هوئي- جون يو» چيپ‌هاي نيمه‌هادي به نام CNNP (پردازنده CNN) را توليد كرده‌اند كه با مصرف كمترين انرژي تمامي الگوريتم‌ها را اجرا مي‌كند و يك سيستم تشخيص چهره به نام «K- Eye» را نيز با استفاده از اين CNNP ها ايجاد كرده‌اند. اين سيستم با همكاري يك شركت نوپا به نام «UX Factory Co.»ساخته شد.
مجموعه سيستم‌هاي «K- Eye» دو نوعند: يك نوع قابل پوشيدن و يك نوع دانگل. نوع پوشيدني اين دستگاه در تلفن‌هاي همراه هوشمند با كمك بلوتوث قابل استفاده مي‌گردد و مي‌تواند با استفاده از باتري داخلي آن به مدت بيش از 24 ساعت كار كند. كاربران سيستم K- Eye مي‌توانند به راحتي اطلاعات مورد نياز در مورد افراد را با استفاده از تلفن همراه يا ساعت هوشمند به دست بياورند كه K- eye را متصل مي‌گرداند و به كاربران اين امكان را مي‌دهد تا با دستگاه‌هاي هوشمند خود به يك منبع اطلاعاتي دسترسي پيدا كنند. يك تلفن همراه هوشمند داراي K- EyeQ، نوع دانگل اين دستگاه، مي‌تواند اطلاعات كاربران را در هر زماني شناسايي كنند و به اشتراك بگذارند. هنگامي كه اين سيستم شناسايي كند كه كاربر مجاز به صفحه تلفن همراه هوشمند خود نگاه مي‌كند، بدون نياز به رمز عبور، اثر انگشت يا تأييد عنبيه به طور خودكار روشن خواهد شد. از آنجا كه اين سيستم اين توانايي را دارد تا چهره فرد واقعي را از عكس وي تشخيص دهد، لذا تلفن همراه هوشمند كاربر به واسطه عكس وي فريب نخواهد خورد.
مجموعه‌هاي K- Eye ويژگي‌هاي متمايز ديگري هم دارند. اين سيستم مي‌تواند در درجه اول يك چهره را تشخيص دهد و سپس آن را شناسايي كند و مي‌تواند با مصرف انرژي بسيار پايين يك ميلي واتي خود حالت «هميشه- روشن » را حفظ كند. اين تيم تحقيقاتي به منظور رسيدن به اين هدف دو فناوري را مطرح كردند: يك حسگر تصويري تشخيص چهره «هميشه- روشن» و چيپ تشخيص چهره CNNP.
فناوري اول، حسگر تصويري «هميشه روشن» مي‌تواند وجود چهره در محدوده دوربين خود را تعيين كند. سپس فريم‌هايي را ضبط مي‌كند و تنها زماني امكان عملكرد دستگاه را ممكن مي‌سازد كه چهره مورد نظر وجود داشته باشد كه با اين عملكرد خود انرژي در دسترس را به طور معني‌داري كاهش مي‌دهد. حسگر تشخيص چهره پردازش آنالوگ و ديجيتال را به منظور كاهش مصرف انرژي تركيب مي‌كند. پردازشگر آنالوگ كه با اين روش با آرايه حسگر تصويري CMOS تركيب شده است، ناحيه زمينه را از ناحيه داراي احتمال وجود چهره تمايز مي‌بخشد و آنگاه پردازشگر ديجيتال چهره را در ناحيه انتخاب‌شده شناسايي مي‌كند. از اين رو، در زمينه ضبط فريم‌ها، پردازش تشخيص چهره و مصرف حافظه مؤثر خواهد بود.
دومين فناوري كليدي، CNNP، با استفاده از يك شبكه عصبي كانولوشن(CNN) در حوزه‌هاي جريان برق، طراحي و الگوريتم‌ها به مصرف انرژي پايين غير قابل باوري دست يافت. در درجه اول، حافظه روي چيپ كه در CNN يكپارچه گشته است، به طور اختصاصي براي خوانش داده‌ها در يك جهت عمودي و همچنين افقي طراحي شده است. در درجه دوم، با داشتن 1024 تقويت‌كننده و اكومولاتور(انبارك) همراستا داراي قدرت محاسباتي گسترده‌اي است و مي‌تواند يافته‌هاي موقت را به طور مستقيم بدون دسترسي به حافظه خارجي يا شبكه ارتباطي روي چيپ انتقال دهد. در درجه سوم، محاسبات كانولوشنال با يك فيلتر دو بعدي در الگوريتم CNN به دو محاسبه متوالي فيلترهاي تك بعدي تقريب يافته‌اند تا به سرعت بالاتر و مصرف انرژي پايين‌تر دست يابند.
CNNP با اين فناوري‌هاي جديد به دقت بالاي 97 درصدي دست يافته است اما تنها 5000/1 انرژي GPU را مصرف كرد. تشخيص چهره مي‌تواند تنها با مصرف انرژي 62/0 ميلي واتي اجرا شود و اين چيپ با مصرف انرژي بيشتر به قدرت عملكردي بالاتري نسبت به GPU دست يافت. تمامي پردازشگر‌هاي AI منجر به ورود به دوره انقلاب صنعتي چهارم خواهند گشت. ما با توسعه اين چيپ‌هاي AI، انتظار داريم تا قدمي در راه پيشرفت فناوري AI جهاني برداشته باشيم.
منبع: ساينس ديلي
