چشم انداز هوش مصنوعی اینتل برای 2020
به گزارش کارگروه فناوری اطلاعات سایبربان، به نقل از «thenextweb»؛ عده ای از کارشناسان جامعه یادگیری ماشینی معتقدند که یادگیری عمیق به انتهای راه خود رسیده است؛ با وجود این گادی سینگر (Gadi Singer)، معاون مدیر اینتل و مدیر معماری گروه تولیدات هوش مصنوعی این شرکت عقیده دارد که نه تنها عمر این فناوری به انتها نرسیده؛ بلکه در حال ورود به فاز بعدی هوش مصنوعی است.
وظیفه ی سینگر درک چشم انداز بعدی هوش مصنوعی اینتل است. برخلاف رای کورزویل (Ray Kurzweil)، آینده پژوه هوش مصنوعی گوگل، پیش بینی های سینگر به آینده ی دور مربوط نبوده، به سال های 2019 و 2020 تعلق دارند.
با توجه به گزارش سینگر، راهبرد هوش منصوعی اینتل، از رویکردی 3 گانه تشکیل شده و همه ی جنبه های یادگیری ماشینی را در بر می گیرد. وی ادامه داد، یادگیری عمیق به تازگی در حال عبور از دوران کودکی خود است؛ بنابراین شرکت وی باید خود را برای ارائه ی راه کارهایی به منظور استفاده از کاربردهای آن آماده کند.
رویکرد3 گانه بالا به صورت عبارات زیر خلاصه شده اند:
- ایجاد انواع گوناگونی از تراشه ها برای پاسخگویی به نیازهای مختلف
- کسب استعدادها و توسعه ی فناوری های جدید
- ارائه ی یکی لایه نرم افزاری سازگار و هوشمند برای همه ی محصولات
سینگر ادامه داد:
فکر می کنید بیشترین چرخه ی هوش مصنوعی روی چه چیزی اجرا می شود؟ بیشتر پاسخ های ارائه شده با توجه به گذشته، پردازنده های گرافیکی (GPU) هستند، که جوابی اشتباه است.
وی افزود:
پاسخ پردازنده ی گرافیکی نیست و من دلیل آن را توضیح می دهم. اساسا 2 نوع مختلف از وظایف برای یادگیری عمیق وجود دارد: استنتاج و آموزش. انویدیا چرخه ی تمرین متنوعی دارد؛ اما تمرکز مباحث آن روی آموزش قرار دارد. در سال 2015 ما تخمین زدیم، نسبت چرخه های استنتاج با آموزش 1 به 1 بود. این عددامروزه به 5 به 1 تغییر کرده و در آینده به 10 به 1 خواهد رسید. بیشتر وظایف چرخه ی اول روی پردازنده ی مرکزی «CPU»، به طور مشخص محصولات اینتل اجرا می شوند. بسیاری از پردازش های هوش مصنوعی در بستر معماری ما اجرا می شود.
سینگر توضیح داد، چشم انداز 2019، و فاز بعدی هوش مصنوعی تا چند سال گذشته نامشخص بود. یادگیری عمیق مسئول اصلی تغییر سریع تر و شدیدتر تفکر در اینتل است. به همین منظور برای پاسخ به موج پیشرفت های این فناوری، اینتل از استارت آپ هایی مانند «ماویدیوس» (Movidius) و «نیروانا» (Nervana) حمایت می کند تا محدودیت های کاربردهای آن روی تراشه های هوش مصنوعی جا به جا شود.
اینتل قصد دارد پردازنده های مرکزی خود را مجددا طراحی کند تا قدرت پردازش یادگیری ماشینی را روی آن افزایش بدهد. به علاوه با همین منظور شروع به توسعه ی راهکارهایی نرم افزاری کرده است.
