مهندسان MIT، تراشه هوش‌مصنوعی قابل بازسازی لگو-مانند را می‌سازند

شکل ۱. مهندسان MIT یک تراشه هوش‌مصنوعی قابل پیکربندی مجدد ایجاد کرده‌اند که شامل لایه‌های متناوب حسی و عناصر پردازشی است که می‌توانند با یکدیگر ارتباط برقرار کنند.
شکل ۱. مهندسان MIT یک تراشه هوش‌مصنوعی قابل پیکربندی مجدد ایجاد کرده‌اند که شامل لایه‌های متناوب حسی و عناصر پردازشی است که می‌توانند با یکدیگر ارتباط برقرار کنند.


منتشر شده در scitechdaily به تاریخ ۲۲ ژوئن، ۲۰۲۲
لینک منبع: MIT Engineers Build LEGO-Like Reconfigurable Artificial Intelligence Chip

طراحی تراشه جدید هوش مصنوعی برای تبادل و ساخت بر روی سنسورهای موجود و پردازنده‌های شبکه عصبی، قابل ذخیره و قابل پیکربندی مجدد است.

یک آینده پایدارتر را تصور کنید، که در آن تلفن‌های همراه، گوشی‌های هوشمند، و دیگر دستگاه‌های پوشیدنی مجبور نیستند برای یک مدل جدیدتر کنار گذاشته شوند یا دور انداخته شوند. در عوض، آن‌ها را می‌توان با آخرین حسگرها و پردازشگردهایی ارتقا داد که بر روی یک تراشه داخلی دستگاه قرار می‌گیرند -مانند آجرهای لگو که در یک ساختمان موجود گنجانیده شده‌اند. چنین تراشه قابل پیکربندی مجددی می‌تواند دستگاه‌ها را به روز نگه دارد در حالی که زباله‌های الکترونیکی ما را کاهش می‌دهد.

در حال حاضر مهندسان MIT به سمت آن چشم‌انداز پیمانه‌ای با یک طراحی لگو مانند برای یک تراشه هوش مصنوعی قابل ذخیره و قابل پیکربندی گامی مجدد برداشته‌اند.

این طراحی شامل لایه‌های متناوب حسی و عناصر پردازش، همراه با دیودهای نشر نور (LED) است که به لایه‌های چیپ امکان برقراری ارتباط نوری را می‌دهند. دیگر طرح‌های تراشه مدولار از سیم‌کشی مرسوم برای رله کردن سیگنال‌ها بین لایه‌ها استفاده می‌کنند. قطع کردن و سیم‌کشی مجدد چنین اتصالات پیچیده‌ای دشوار است، اگر نگوییم غیرممکن است، و باعث می‌شود چنین طرح‌های روی هم، قابل پیکربندی مجدد نباشند.

در طراحی MIT، به جای سیم‌های فیزیکی، از نور برای انتقال اطلاعات از طریق تراشه استفاده می‌شود. بنابراین تراشه می‌تواند دوباره پیکربندی شود، با لایه‌هایی که می‌توانند کنار گذاشته شوند یا روی هم انباشته شوند، برای مثال برای اضافه کردن سنسورهای جدید یا پردازنده‌های به‌روز شده.

شما می‌توانید هر تعداد لایه محاسباتی و حسگر که می‌خواهید اضافه کنید، مانند نور، فشار و حتی بو. ما این را یک تراشه هوش مصنوعی قابل پیکربندی مجدد لگو مانند می‌نامیم زیرا قابلیت گسترش نامحدود بسته به ترکیب لایه‌ها دارد.

محققان مشتاق هستند تا این طرح را روی دستگاه‌های محاسباتی لبه‌ای اعمال کنند - حسگرهای خودکفا و سایر وسایل الکترونیکی که مستقل از هر منبع مرکزی یا توزیع‌شده‌ای مانند ابررایانه‌ها یا محاسبات ابری کار می‌کنند.

جیوان کیم، استادیار مهندسی مکانیک در MIT می‌گوید: «همان‌طور که ما وارد عصر اینترنت اشیا براساس شبکه‌های حسگر می‌شویم، تقاضا برای دستگاه‌های محاسباتی پیشرفته به‌طور چشمگیری گسترش خواهد یافت.» معماری سخت‌افزاری پیشنهادی ما تطبیق‌پذیری بالایی از محاسبات لبه را در آینده فراهم خواهد کرد.

نتایج این تیم در ۱۳ ژوئن ۲۰۲۲ در مجله الکترونیک طبیعت منتشر شد. علاوه‌بر کیم و کانگ، نویسندگان MIT شامل نویسندگان اول چنیول چوی، هیونسک کیم و مین کیوگ سانگ، و نویسندگان مشارکت‌کننده هانوول یون، سلستا چانگ، جون مین سو، جیهو شین، کوانگ لو، بو-این پارک، یانگین کیم، هان اول لی، دویون لی، سوبین پانگ، سانگ-هون، هوان با، هوان اس. کوم، پنگ لین، به‌همراه همکارانی از دانشگاه هاروارد، دانشگاه Tsinghua، دانشگاه ژجیانگ و جاهای دیگر هستند.

روشن کردن راه

در حال حاضر طراحی تیم برای انجام وظایف اولیه تشخیص تصویر پیکربندی شده‌است. این کار را از طریق لایه‌بندی سنسورهای تصویر، LEDها، و پردازشگرهای ساخته‌شده از سیناپس‌های مصنوعی -آرایه‌هایی از مقاومت‌های حافظه، یا «ممریستورها» انجام می‌دهد، که تیم قبلا توسعه‌یافته است، که با هم به‌عنوان یک شبکه عصبی فیزیکی، یا «مغز روی تراشه» عمل می‌کنند. هر آرایه را می‌توان برای پردازش و طبقه‌بندی مستقیم سیگنال‌ها بر روی یک تراشه، بدون نیاز به نرم‌افزار خارجی یا یک اتصال اینترنتی، آموزش داد.

محققان در طراحی تراشه جدید خود، سنسورهای تصویر را با آرایه‌های سیناپس مصنوعی جفت کردند، که هر کدام از آن‌ها برای تشخیص حروف خاص آموزش دیدند -در این مورد، M، I و T. در حالی که یک رویکرد مرسوم انتقال سیگنال‌های حسگر به پردازنده از طریق سیم‌های فیزیکی است، تیم در عوض یک سیستم نوری بین هر سنسور و آرایه سیناپس مصنوعی ساخت تا ارتباط بین لایه‌ها را بدون نیاز به اتصال فیزیکی امکان‌پذیر کند.

هیونزوک کیم از موسسه MIT می‌گوید: «تراشه‌های دیگر به‌صورت فیزیکی از طریق فلز سیم‌کشی شده‌اند، که آن‌ها را به سختی می‌توان دوباره سیم‌کشی و طراحی مجدد کرد، بنابراین اگر بخواهید هر کار جدیدی را اضافه کنید، باید یک چیپ جدید بسازید.» «ما آن اتصال سیم فیزیکی را با یک سیستم ارتباطی نوری جایگزین کردیم، که به ما این آزادی را می‌دهد که آن طور که می‌خواهیم چیپ‌ها را جمع کرده و اضافه کنیم.»

سیستم ارتباط نوری تیم شامل آشکارسازهای نوری و LEDهای جفتی است که هر کدام با پیکسل‌های کوچک الگودهی شده‌اند. آشکارسازهای نوری یک سنسور تصویر برای دریافت داده‌ها، و LED برای انتقال داده‌ها به لایه بعدی را تشکیل می‌دهند. همان‌طور که یک سیگنال (به‌عنوان مثال یک تصویر از یک حرف) به سنسور تصویر می‌رسد، الگوی نور تصویر یک پیکربندی خاص از پیکسل‌های LED را رمزگذاری می‌کند، که به نوبه خود یک لایه دیگر از آشکارسازهای نوری را تحریک می‌کند، همراه با یک آرایه سیناپس مصنوعی، که سیگنال را براساس الگو و قدرت نور LED ورودی طبقه‌بندی می‌کند.

انباشته شدن

این تیم یک چیپ با یک هسته محاسباتی با اندازه حدود ۴ میلیمتر یا اندازه یک پولک ساخت. چیپ با سه «بلوک» تشخیص تصویر روی هم انباشته می‌شود، که هر کدام شامل یک سنسور تصویر، لایه ارتباطی نوری، و آرایه سیناپس مصنوعی برای طبقه‌بندی یکی از سه حرف M، I، یا T هستند. سپس آن‌ها یک تصویر پیکسل‌شده از حروف تصادفی را بر روی تراشه تاباندند و جریان الکتریکی که هر آرایه شبکه عصبی در پاسخ تولید می‌کرد را اندازه‌گیری کردند. (هرچه جریان بزرگ‌تر باشد، احتمال اینکه تصویر در واقع حرفی باشد که آرایه خاص برای تشخیص آن آموزش‌دیده باشد، بیشتر خواهد بود.)

این تیم متوجه شد که چیپ به درستی تصاویر واضح هر حرف را طبقه‌بندی می‌کند، اما تمایز بین تصاویر تار، مثلا بین I و T، کم‌تر بود. با این حال، محققان توانستند به سرعت لایه پردازش تراشه را با یک پردازنده «نویززدایی» بهتر عوض کنند، و متوجه شدند که تراشه به درستی تصاویر را شناسایی می‌کند.

مین کیو سانگ، پسادکترای MIT، می‌گوید: «ما قابلیت انباشتگی، تعویض‌پذیری و توانایی درج یک عملکرد جدید در تراشه را نشان دادیم.

محققان قصد دارند قابلیت‌های پردازش و سنجش بیشتری را به تراشه اضافه کنند، و آن‌ها تصور می‌کنند که این کاربردها بی‌انتها باشند.

چوی که به همراه کیم قبلاً یک پوسته هوشمند برای نظارت بر موارد حیاتی ایجاد کرده بود، می‌گوید: «ما می‌توانیم لایه‌هایی را به دوربین تلفن همراه اضافه کنیم تا بتواند تصاویر پیچیده‌تری را تشخیص دهد، یا آنها را به مانیتورهای بهداشتی تبدیل کنیم که می‌توانند در پوست الکترونیکی پوشیدنی جاسازی شوند.

او اضافه می‌کند، ایده دیگر تراشه‌های مدولار است، که در الکترونیک ساخته شده‌اند، که مصرف‌کنندگان می‌توانند انتخاب کنند که با آخرین حسگر و پردازنده «آجر» بسازند.

جیوان کیم می‌گوید: «می‌توانیم یک پلتفرم تراشه عمومی بسازیم، و هر لایه می‌تواند به‌طور جداگانه مانند یک بازی ویدئویی به فروش برسد.» ما می‌توانیم انواع مختلفی از شبکه‌های عصبی مانند تشخیص تصویر یا صدا بسازیم و به مشتری اجازه دهیم آنچه را که می‌خواهد انتخاب کند و به یک تراشه موجود مانند لگو اضافه کند.»

این متن با استفاده از ربات ‌ترجمه مقالات هوش‌ مصنوعی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.
مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.