چین: اولین تراشه هوش مصنوعی نوری دنیا از نظر بهره‌وری انرژی بر NVIDIA H100 برتری دارد
یک تیم از دانشمندان پکن اعلام کردند که با توسعه اولین تراشه هوش مصنوعی کاملاً نوری دنیا، پیشرفت قابل توجهی در تکنولوژی هوش مصنوعی حاصل کرده‌اند.
این تراشه نوآورانه که Taichi-II نام دارد، از نظر بهره‌وری و عملکرد، جهشی بزرگ به جلو محسوب می‌شود و حتی از GPU معروف NVIDIA Corp. NVDA H100 در بهره‌وری انرژی عملکرد بهتری دارد.
این تیم تحقیقاتی به رهبری پروفسوران فانگ لو و دای کیونگ‌های از دانشگاه تسینگ‌هوا، یافته‌های خود را در روز چهارشنبه اعلام کردند.
جهشی به جلو: برتری تراشه Taichi-II
تراشه Taichi-II نسبت به نسخه قبلی خود، تراشه Taichi، پیشرفت بزرگی به حساب می‌آید که پیش از این نیز رکوردهای چشمگیری را به ثبت رسانده بود. اوایل امسال، محققان اعلام کردند که تراشه اصلی Taichi در بهره‌وری انرژی بیش از هزار برابر از GPU NVIDIA H100 بهتر است، همانطور که توسط روزنامه‌جنوب‌صبح چین ( SCMP ) گزارش‌شده‌است.
اکنون، تراشه Taichi-II این معیار را بهبود بخشیده و کارایی برتری در سناریوهای مختلف نشان داده است.
مطالعه‌ای که توسط پروفسوران فانگ لو و دای کیونگ‌های هدایت شده، توانایی Taichi-II را در دگرگونی آموزش و مدل‌سازی هوش مصنوعی برجسته می‌کند. برخلاف روش‌های سنتی که به کامپیوترهای الکترونیکی برای آموزش متکی هستند، Taichi-II از فرایندهای نوری استفاده می‌کند که کارایی بیشتری را به ارمغان می‌آورد و عملکرد را بهبود می‌بخشد.
در عمل، تراشه Taichi-II پیشرفت‌های چشمگیری را در چندین حوزه نشان داده است. این تراشه آموزش شبکه‌های نوری با میلیون‌ها پارامتر را به طور قابل توجهی تسریع کرده و دقت وظایف طبقه‌بندی را ۴۰ درصد افزایش داده است.
در سناریوهای تصویربرداری پیچیده، بهره‌وری انرژی آن در شرایط نوری کم با بهبود شش مرتبه‌ای همراه بوده است.
رویکرد نوآورانه: یادگیری FFM
توسعه تراشه Taichi-II با استفاده از یک رویکرد نوآورانه به نام یادگیری حالت کامل جلو (FFM) مشخص می‌شود. این تکنیک اجازه می‌دهد تا فرآیند آموزش کامپیوتری بهره‌وری بالا به طور مستقیم بر روی تراشه نوری انجام شود و پردازش موازی وظایف یادگیری ماشینی را ممکن می‌سازد.
شوی ژیوی، نویسنده اصلی مطالعه و دانشجوی دکترا، تأکید کرد که این معماری از آموزش با دقت بالا پشتیبانی می‌کند و برای آموزش شبکه بزرگ مقیاس بسیار مناسب است.
«تحقیقات ما آینده‌ای را تصور می‌کند که این تراشه‌ها اساس توان محاسبات نوری برای ساخت مدل هوش مصنوعی را تشکیل می‌دهند»، فانگ لو بیان کرد.
روش یادگیری FFM از مدولاتورها و آشکارسازهای نوری با سرعت بالا استفاده می‌کند، که ممکن است در سناریوهای یادگیری تسریع شده از GPUها بهتر عمل کند. این نوآوری امکان‌های جدیدی برای محاسبات نوری باز می‌کند و آن را از مفاهیم تئوری به کاربردهای عملی و بزرگ مقیاس می‌رساند.
پیامدها و چشم‌اندازهای آینده
زمان‌بندی معرفی تراشه Taichi-II به خصوص قابل توجه است. همانطور که آمریکا محدودیت‌هایی را برای دسترسی چین به GPUهای پیشرفته برای آموزش هوش مصنوعی اعمال کرده است، تراشه Taichi-II یک جایگزین قابل توجه برای کمک به مقابله با این محدودیت‌ها ارائه می‌دهد.
علاوه بر این، عملکرد تراشه Taichi-II در میان گزارش‌هایی که ممکن است تراشه‌های هوش مصنوعی پیشرفته NVIDIA به دست مقامات نظامی چین برسد و پیشرفت‌های تکنولوژیکی چین را تحت تأثیر قرار دهد، مطرح شده است.
این تحقیق در ژورنال Nature منتشر شده است.
