رقابت اینتل با گوگل و انویدیا در هوش مصنوعی
به گزارش واحد فناوری اطلاعات سایبربان؛ شرکت اینتل به تازگی تراشهای را به نام «زئون فی مگا» (Xeon Phi mega-chip) برای تقویت محاسبات یادگیری ماشینی و رقابت با پردازنده گرافیکی انویدیا (Nvidia) و تراشهی واحد پردازش تنسور گوگل1 (TPU) معرفی کرد.
فناوری یادگیری ماشینی به نرمافزارها اجازه میدهد تا با بررسی و تجزیهوتحلیل دادهها آموزشدیده و به مرور زمان عملکرد بهتری پیدا کنند.
نیدهی چاپل (Nidhi Chappell)، مدیر بخش یادگیری ماشینی اینتل، گفت: «اینتل ویژگیهای جدیدی را به پردازندههای سری زئون فی2 اضافه خواهد کرد تا بتواند عملکرد آن را در زمینهی یادگیری ماشینی تقویت کند.»
نسل فعلی زئون فی که با نام نایت لندینگ (Knight Landing) شناخته شده و هفتهی گذشته عرضه گشت، از 72 هستهی پردازشی استفاده میکند. این تراشه هنوز در حال آزمایش شدن در سامانههای یادگیری ماشینی است؛ اما اینتل اعتقاد دارد، تراشهی آنها عملکرد بهتری از تراشههای گرافیکی خواهد داشت.
چاپل گفت: «از پردازندههای زئون فی میتوان برای تقویت فناوری یادگیری ماشینی استفاده کرد. اینتل سعی میکند تا معماری تراشههای زئون فی خود را با اُمنیپف3 (OminPath) ترکیب کند. این عمل باعث افزایش سرعت انتقال اطلاعات بین سرورها خواهد شد.»
وی افزود: «اینتل از نرمافزارهای متنباز یادگیری ماشینی نیز پشتیبانی خواهد کرد. این شرکت مدل جدیدی از یادگیری ماشینی را بر پایهی چارچوب نرمافزاری منبع باز یادگیری عمیق کافه (Caffe) ایجاد کرد. همچنین از این پس تراشههای زئون فی میتوانند از تنسورفلو (TensorFlow)، هوش مصنوعی متنباز گوگل نیز پشتیبانی کنند.»
اینتل معتقد است میتوان تراشهی آنها را در مراکز درمانی و سامانههای پردازش تصویر استفاده کرد. به عنوان مثال یادگیری ماشینی میتواند به کمک تراشهی مذکور، یک بیماری را تشخیص داده یا تصاویر را طبقهبندی کند.
چاپل هدف اینتل را کاهش زمان آموزش انواع مدلهای یادگیری ماشینی و افزایش سرعت محاسبات اعلام کرد.
اینتل زمان دقیق به کار گرفتن ویژگیهای جدید را در پردازندههای زئون فی ذکر نکرد؛ اما نسل بعدی سری زئون فی در سال 2018 عرضه خواهد شد.
_______________________
1-Tensor Processing Unit
2- زئون فی پردازندهای مرکزی با تمرکز روی استفاده در مراکز داده و سرورها است.
3- اُمنیپف، معماری ارتباطی سطح بالای اینتل است. این معماری، ارتباطاتی با تأخیر کم، مصرف انرژی پایین و توان عملیاتی بالا را ارائه میدهد.