مروری کوتاه بر چیپ ست های هوش مصنوعی تلفن همراه

چیپ ست های هوش مصنوعی تلفن همراه چه سخت افزاری هستند؟ آیا واقعاً کاربرد دارند؟

چنانچه خبرهای دنیای فناوری را پیگیری کرده باشید، متوجه شده اید  که در ماه های اخیر بیشتر شرکت های تولید کننده تلفن همراه مختلف به استفاده از یک پردازنده مشخص برای استفاده از فناوری یادگیری ماشین در محصولات خود روی آورده اند. iPhone جدید اپل از neural engine بهره می برد، Mate 10 هواوی به neural processing unit مجهز شده است و شرکت های تولید کننده چیپ ست های گوشی هوشمند نظیر کوالکام و ARM نیز قصد دارند در آینده نزدیک محصولات مرتبط به هوش مصنوعی خود را در اختیار سایر سازندگان تلفن همراه قرار دهند.

با این حال آن چه که تاکنون چندان به آن پرداخته نشده است، مزیت هایی است که این فناوری در اختیار کاربر نهایی قرار می دهد. هنگامی که شما گوشی جدیدی را خریداری می کنید، آیا استفاده از یک پردازنده جداگانه برای فناوری هوش مصنوعی الزامی است؟ اگر بخواهید از آخرین نرم افزارهای هوش مصنوعی استفاده کنید، آیا واقعاً به یک پردازنده هوش مصنوعی نیاز دارید؟ پاسخ کوتاه این سؤال ها بدون شک خیر است، اما بهتر است نگاهی عمیق تر به پدیده ای بندازیم که به نظر می رسد توانسته به خوبی فضای دنیای فناوری را تسخیر کند.

آیا به پردازنده جداگانه هوش مصنوعی نیازی است؟

در حقیقت دلیل استفاده از پردازنده جداگانه هوش مصنوعی در تلفن همراه بسیار ساده است. در حالی که پردازنده های استانداردی که در گوشی ها، لپ تاپ ها و رایانه های دسکتاپ به کار می روند، توانایی پردازش فرآیند بسیار پیچیده یادگیری ماشین را ندارند، چنانچه بخواهید از این پردازنده ها با این هدف استفاده کنید، سرعت پردازش بسیار پایین است و البته مصرف انرژی نیز بسیار افزایش خواهد یافت.

هوش مصنوعی معاصر به رایانه هایی نیاز دارد که توانایی انجام محاسبات بسیار ساده در بالاترین سرعت ممکن را داشته باشند. پردازنده های استاندارد صرفاً به هسته هایی مجهز شده اند که می تواند عملیات های ریاضی را انجام دهند. از این رو پردازنده های اختصاصی مانند پردازنده های گرافیکی یا GPU طراحی شده اند. فرآیند انجام کار پردازنده های گرافیکی که با هدف پردازش بازی های رایانه ای ایجاد شده اند، بسیار شبیه به پردازنده های مخصوص هوش مصنوعی است. به ترتیبی که GPU ها به جای دو یا چهار هسته بسیار قدرتمند، به صدها هسته کوچک تر با قدرت پردازشی کم تر مجهز شده اند تا بتوانند در مدت زمانی کوتاه، محاسبات ساده بسیار زیادی را انجام دهند.

البته ساختار معماری GPU ها با پردازنده های هوش مصنوعی تلفن همراه تفاوت های عمده ای دارد، زیرا نمی توان صد ها هسته مختلف را در تلفن همراه قرار داد. از این رو متخصصان ساختار معماری دیگری را طراحی کرده اند که به چیپ ست اجازه می دهد، فعالیت های بیشتری را در یک بازه زمانی مشخص انجام دهد.

گری روتمن، مدیر بخش فناوری هوش مصنوعی و یادگیری ماشین شرکت کوالکام عنوان می کند: « من تصور می کنم موازی سازی، نکته کلیدی در پردازنده های هوش مصنوعی تلفن همراه است. البته کارایی موازی سازی از اهمیت بسیار زیادی برخوردار است ». البته وی افزود پردازنده های هوش مصنوعی، تنها روش توسعه نیستند و انتظار می رود در آینده شاهد ارائه پردازنده های تخصصی دیگری نیز باشیم.

• بد نیست بدانید، اگرچه درک واژه چیپ ست هوش مصنوعی، بسیار ساده است، اما استفاده از این واژه چندان صحیح نیست، چرا که شرکت هایی نظیر اپل و هواوی یک پردازنده جداگانه و اختصاصی هوش مصنوعی را ارائه نمی کنند، بلکه صرفاً تعدادی هسته جداگانه به چیپ ست های محصولات خود اضافه کرده اند. این چیپ ست ها علاوه بر هسته های هوش مصنوعی، شامل سایر قطعات سخت افزاری دیگر تلفن همراه نیز می شود. بنابراین چیپ ستی مانند A11 Bionic اپل مجموعه ای از پردازنده ها و سایر قطعات سخت افزاری موسوم به SoC یا system on chip است و تنها محدود به فعالیت یادگیری ماشین نمی شود.

استفاده از پردازنده هوش مصنوعی، چه مزایایی دارد؟

همانطور که در بالا نیز به آن اشاره کردیم، استفاده از سخت افزار اختصاصی برای هوش مصنوعی ( البته در تئوری ) در نهایت باعث بهبود عملکرد و البته کاهش مصرف انرژی خواهد شد. البته این فناوری مزیت هایی برای کاربران و توسعه دهندگان دارد چرا که استفاده از هوش مصنوعی می تواند حریم خصوصی و اطلاعات شخصی آن ها را حفظ کند و همچنین امنیت بیشتری را فراهم خواهد کرد.

ابتدا به حریم خصوصی و اطلاعات شخصی کاربران می پردازیم. هم اکنون، بسیاری از خدمات یادگیری ماشین باید داده های شما را به یک فضای پردازش ابری ارسال کنند. هرچند شرکت هایی نظیر گوگل و اپل اذعان کرده اند توانسته اند توسط روش هایی نیاز به استفاده از پردازش ابری را برطرف سازند، اما استفاده از این روش ها هنوز آنچنان همه گیر نشده است. استفاده از پردازنده جداگانه هوش مصنوعی به معنای عدم نیاز به ارسال اطلاعات به فضای ابری است، از این رو داده های کاربران امنیت بیشتری خواهند داشت.

از سوی دیگر توسعه دهندگان نیز از این فناوری سود خواهند برد، چرا که نیز نیست در بازه زمانی کوتاه اطلاعات دریافت شده از سوی کاربران را در فضای ابری پردازش کنند و این اطلاعات به صورت خودکار بر روی دستگاه هر کاربر پردازش خواهد شد. علاوه بر آن سرورهای گران قیمت شرکت ها نیز می توانند به انجام فعالیت های دیگری بپردازند.

آیا استفاده از این فناوری هم اکنون امکان پذیر است؟

پاسخ به این سؤال اندکی پیچیده است، چرا که صرفاً طراحی یک پردازنده اختصاصی هوش مصنوعی بر روی تلفن همراه نمی تواند به معنای سود بردن نرم افزارها و سایر خدمات هوش مصنوعی از آن باشد.

برای مثال، شرکت های هواوی و اپل API های مخصوص به خود را ارائه کرده اند تا توسعه دهندگان بتوانند توسط آن محصولاتی برای شبکه عصبی مخصوص آن ها تولید کنند. البته پیش از استفاده از این API، توسعه دهندگان باید ابتدا مطمئن شوند این API از چارچوب هوش مصنوعی آن ها ( مانند TensorFlow  گوگ یا Caffe2 فیسبوک ) پشتیبانی می کند.اگر این چارچوب با API مدنظر همخوانی نداشته باشد، بنابراین آن ها باید چارچوب خود را تغییر دهند، که البته فرآیندی بسیار زمان بر خواهد بود.

آنتونی مولن، تحلیل گر فناوری مؤسسه Gartner اذعان کرده است، هدایت این رابطه های وصله دوزی شده چندان ساده نیست. وی ادامه داد: « ارائه یک تجربه شاخص توسط این فناوری و توسعه نرم افزارهای با جزئیات، فرآیندی زمان بر است و اکنون نباید انتظار بیش از اندازه از این فناوری داشت. هر چند تا آن زمان شرکت های تولید کننده تلفن همراه و سایر شرکت های طرف سوم باید همکاری های بسیار نزدیکی با یکدیگر داشته باشند ». از این رو شرکتی مانند مایکروسافت با شرکت هواوی همکاری نزدیکی دارد و قصد دارد نرم افزار ترجمه offline خود را بر روی چیپ ست هوش مصنوعی NPU شرکت هواوی عرضه کند. از سوی دیگر شرکت فیسبوک نیز با شرکت کوالکام در زمینه فناوری واقعیت افزوده هوشمند همکاری می کند.

با وجود آن که شرکت های بزرگ در این زمینه تلاش زیادی می کنند، اما توسعه دهندگان کوچک نرم افزاری ممکن است نتوانند وارد این بخش از دنیای فناوری شوند. البته توسعه دهندگان شرکت اپل فرآیند ساده تری خواهند داشت چرا که تنها باید نرم افزارهای خود را بر اساس چارچوب Core ML این شرکت طراحی کنند. اما توسعه دهندگان اندروید با توجه به چارچوب های بسیار متفاوتی که توسط شرکت ها ارائه شده است، راه بسیار دشوار و پیچیده ای پیش رو خواهند داشت.

خوشبختانه شرکت گوگل از قدرت و نفوذ خود بر روی اکوسیستم اندروید استفاده کرده است و قصد دارد تمام تلاش ها را یکپارچه و استاندارد کند. چارچوب هوش مصنوعی این شرکت موسوم به TensorFlow Lite هم اکنون بر روی برخی از دستگاه های تلفن همراه ارائه شده است و این چارچوب قصد دارد API جامع اندرویدی خود را به عنوان یکی از API های پیش رو در زمینه فناوری هوش مصنوعی معرفی کند.

آقای بروتمن ادامه داد: « از دیدگاه توسعه دهندگان جامعه اندروید، تلاش های گوگل نمی تواند خطرهای ناشی از چارچوب های متفاوت را کاهش دهد. اما تلاش های این شرکت بدون شک می تواند طراحی یک ساختار کلی و مشخص را امکان پذیر نماید. البته برای مشاهده نتایج این تلاش ها باید تا زمان عرضه Android P صبر کنیم ».

پس من به یک پردازنده هوش مصنوعی در تلفن همراهم نیاز دارم؟

در واقع خیر. با تلاش های انجام شده بر روی بهینه سازی فناوری هوش مصنوعی، سخت افزارهای کنونی نیز می توانند نیازهای اولیه شما از این فناوری را برطرف نمایند و تنها چنانچه به تجربه سخت افزارهای جدید علاقه دارید می توانید آن ها را امتحان کنید.

هر دو شرکت هواوی و اپل استفاده بسیار محدودی از این فناوری دارند و صرفاً به منظور ارتقای جذابیت محصولات خود از آن بهره برده اند. گوشی Mate 10 از هوش مصنوعی به منظور عدم کاهش کارایی و سرعت پردازش در طول زمان بهره می برد و تلفن همراه iPhone X نیز از این فناوری به منظور ارائه ویژگی هایی نظیر Face ID و animoji استفاده کرده است.

در نهایت باید گفت یک سخت افزار پردازشی که صرفاً به منظور استفاده از فناوری هوش مصنوعی طراحی شده، بسیار جذاب و ارزشمند است با این حال این فناوری نیز مانند دوربین های دوگانه یا مقاومت در برابر آب فعلاً محدود به گوشی های بالا رده است. از سوی دیگر بازار این فناوری اکنون از رشد بسیار زیادی بهره می برد و تقاضا برای هوش مصنوعی بالا است، اما بدون شک این فناوری نیز مانند سایر فناوری های نوظهور که در گذشته ارائه شده اند، در سال های آینده به یک پدیده عادی و روزمره تبدیل خواهد شد.