♥ چیپ های گرافیکی انویدیا با قدرت محاسبه شبکه های عصبی ♥

چندین سال است که شرکت های مختلفی پیرامون شبیه سازی فعالیت های مغز با چیپ های مختلفی در تلاش هستند و انویدیا در این عرصه یکی از پیشگامان است. تراشه های گرافیکی جدید این شرکت قرار است جای پایی را در محاسبات شبکه های عصبی بگذارند.



​

​

مرکز پژوهش های ماشینی دانشگاه استانفورد و شرکت تشخیص صدا Nuance در حال حاضر مشغول بکار گیری تراشه های انویدیا برای شبکه های عصبی هستند.
انویدیا که در حال حاضر تلاش می کند تا تراشه های گرافیکی خود را به بازار ابر کامپیوتر ها منتقل کند، با این کمک به مهندسان در ساخت سیستم های مغزی موسوم به شبکه های عصبی (neural networks) می تواند گامی رو به رشد داشته باشد.
برای سال ها، شرکت ها از این ایده حمایت کرده اند که اهداف مورد نظر را از واحد پردازش مرکزی (CPU) تخلیه کنند و به واحد پردازش گرافیکی (GPU) منتقل کنند. ابن رویکرد را برخی از محققان و شرکت های درگیر با شبکه های عصبی در پیش گرفته اند تا برخی از رفتار های الکتریکی سلول های عصبی در دنیای واقعی را در داخل کامپیوتر به دست آورند.
کار نرون ها در دنیای واقعی این است که در اطراف مغز سیگنال های الکتریکی ارسال می کنند، اما بسیاری از عملکرد های واقعی مغز هنوز یک راز است. شبکه های عصبی در کامپیوتر نیز تا حدودی همین کار را تقلیدی رمز آلود می کنند. به جای استفاده از دستورالعمل های برنامه نویسی صریح که برای یک برنامه خاص اجرا می شوند، آنها آموزش دیده اند تا با استفاده از منابع دیتا ارتباط بین گره های شبکه های عصبی را شناسایی کنند. شبکه عصبی آموزش دیده و سپس می تواند برای شناختن الگوها به کار آید. نمونه باز آن هم در پروژه Google+ photos که در آن تصویر گربه مانند شناسایی می شود.
یکی از مشتری های انویدیا ، شرکت Nuance است که با استفاده از شبکه های عصبی کامپیوتری قصد توسعه سیستم های تشخیص گفتار را دارد که در نهایت ممکن است در مکان هایی مانند اتومبیل یا پشتیبان فنی خط های تلفن مورد استفاده قرار بگیرد. مدیر تکنولوژی Nuance، Vlad Sejnoha در بیانیه گفت : ” ما بیش از چهار سال است که روی پردازنده های گرافیکیکار می کنیم، اما مدل اخیر – که به طور خاص خط ” کپلر” از کارت گرافیک انویدیا نامیده می شود- قابل توجه ترین مزایا را ارائه می دهد. ما با استفاده از یک شبکه محاسبات در مقیاس بزرگ متشکل از CPU و GPU ها در حال دستیابی به سرعت بزرگی از خطوط خاص مبتنی بر پردازنده ها هستیم”.
کارشناسان عصبی در دانشگاه استنفورد- از جمله اندرو پوکر، که در شبکه عصبی گوگل کار می کرد- در حال کار روی پیوند دادن شبکه های عصبی با پردازنده های گرافیکی است. آنها در یک مقاله برای کنفرانس بین المللی آموزش ماشین، به شرح کار خود پرداختند. در قسمتی از این مقاله می خوانیم : ” تلاش برای ایجاد خوشه زیادی از پردازنده های گرافیکی به دلیل تنگنا های ارتباطی دشوار است”.
GPU ها این قابلیت را دارند تا چندین محاسبه را به صورت موازی انجام دهند. واحد پردازش های گرافیکی مانند خط هسته اینتل به طور کلی برای انجام دادن کار های پی در پی به جای اینکه به تکه های مستقل تقسیم شده باشند طراحی شده اند. هرچند مدل های چند هسته ای در دهه گذشته به طور فزاینده ای موازی کار می کردند.
با این حال، CPU های همه منظوره به اندازه GPU های موازی نیستند، و انویدیا حالا جزء ۵۰۰ TOP تولید کننده سریعترین ابر رایانه های جهان است که ۳۹ واحد پردازش گرافیکی قدرت آن را افزایش می دهد.
اما اینتل هم بیکار ننشته است و در حال استفاده از این تکنولوژی می باشد. اینتل از این تکنولوژی در پردازنده های Xeon Phi استفاده کرده است که در توسعه سرویس های PCI اکسپرس مورد استفاده قرار گرفته است. در حال حاضر سریعترین ابر رایانه جهان Tianhe-2، توسط این تراشه ها تقویت می شود.
طراحی های نسل دوم اینتل نیز که با نام شوالیه فرود، در فرایند تولید محصولات ۱۴ نانو میلیمتری قرار می گیرند و شدت جریان برق بیشتری را نسبت به مدل های قبلی می تواند دریافت کند. دو تغییر مهم در این پردازنده ها وجود دارد که عبارت اند از : پردازنده Knights Bridge قادر خواهند بود به طور مستقیم به سوکت سی پی یو متصل شوند که برنامه نویسی را آسان تر می کند و همچنین کنترل کننده حافظه ای درون پردازنده قرار دارند که انتقال داده ها را سریع تر می کند.
و در آخر کارت گرافیک انویدیا مجوز لازم برای طراحی ARM روی پردازنده های تگرا را دارد به طوری که در آینده شاهد فراگیر شدن تراشه گرافیکی CUDA و ARM هستیم. CUDA، تکنولوژی برنامه نویسی کارت گرافیک های انویدیا است که با این نام شناخته می شود.
اما CUDA در سیستم های ARM فقط برای ابر رایانه ها طراحی نشده است. بلکه در آینده ای نزدیک ربات ها با استفاده از این فناوری قادر خواهند با تصاویر را بهتر بشناسند و بهتر حرکت کنند.
نظر شما در مورد این پردازنده ها چیست؟ آینده در دست کیست؟