فهرست مندرجات[پنهان شدن][نمایش]
هنگامی که دستگاه های الکترونیکی مانند تلفن های همراه، ساعت های هوشمند و سایر فناوری های پوشیدنی با مدل های جدیدتر ارتقا می یابند، سالانه مقدار قابل توجهی زباله تولید می شود.
اگر نسخههای قدیمیتر میتوانستند با سنسورها و پردازندههای جدیدی که به تراشه داخلی دستگاه میچسبند، بهروزرسانی میشدند و از هدر رفتن پول و مواد کم میکردند، انقلابی بود. آینده پایدارتری را در نظر بگیرید که در آن تلفنهای هوشمند، ساعتهای هوشمند و سایر فناوریهای پوشیدنی دائماً با مدلهای جدید جایگزین نمیشوند یا در قفسه قرار نمیگیرند.
در عوض، میتوان آنها را با جدیدترین حسگرها و پردازندههایی که به سادگی در تراشه داخلی دستگاه قرار میگیرند، بهروزرسانی کرد، مانند آجرهای لگو که به ساختار موجود اضافه شده است. چنین تراشه های قابل برنامه ریزی مجدد ممکن است دستگاه ها را به روز نگه دارند و در عین حال ضایعات دیجیتالی ما را کاهش دهند.
با طراحی لگو مانند آنها برای روی هم چیده شدن و قابل تنظیم هوش مصنوعی تراشه، مهندسان MIT اکنون گامی به سوی این چشم انداز مدولار برداشته اند.
این پست نگاهی کامل به این تراشه، تنظیمات آن و پیامدهای آینده آن خواهد داشت.
بنابراین، یک تراشه هوش مصنوعی لگو مانند چیست؟
پیشرفت بزرگ بعدی که سیاره را متحول خواهد کرد، هوش مصنوعی است. به منظور تولید لوازم الکترونیکی ماژولار و پایدار، مهندسان MIT اکنون یک تراشه هوش مصنوعی ساخته اند که شبیه لگو است.
برای سادهتر کردن فرآیند افزودن حسگرهای اضافی یا ارتقای پردازندههای قدیمی، این یک تراشه قابل تنظیم مجدد با لایههای متعدد است که میتوان آنها را روی هم قرار داد یا سوئیچ کرد.
بر اساس ترکیب لایه ها، تراشه های هوش مصنوعی "قابل تنظیم مجدد" را می توان به طور نامحدود گسترش داد. بنابراین، این تراشه ها می توانند ضایعات الکترونیکی را کاهش دهند و در عین حال دستگاه های ما را به روز نگه دارند.
حالا بیایید طراحی این تراشه را بررسی کنیم.
طراحی تراشه
معماری تراشه هوش مصنوعی واقعاً استثنایی است زیرا لایههای متناوب اجزای پردازش و حسگر را با LED (دیودهای ساطع کننده نور) ترکیب میکند که به لایههای تراشه اجازه تعامل بصری را میدهد.
این معماری شامل دیودهای ساطع نور (LED) است که ارتباط نوری را در سراسر لایه های تراشه و همچنین لایه های متناوب حسگر و اجزای پردازشی را امکان پذیر می کند. سیگنالها با استفاده از سیم معمولی در معماریهای دیگر تراشههای مدولار در سراسر سطوح رله میشوند.
چنین اتصالات گسترده ای چنین سیستم های انباشته ای را غیرقابل تنظیم می کند، زیرا برش و سیم کشی مجدد آنها اگر غیرممکن نباشد، دشوار است. مفهوم MIT به جای سیم های واقعی، داده ها را از طریق تراشه با استفاده از نور منتقل می کند.
در نتیجه، تراشه را میتوان با لایههایی که میتوان به آن اضافه کرد یا از آنها کم کرد، مرتب کرد و شامل سنسورهای جدید یا پردازندههای مرکزی مدرن شد. مفهوم جدید مهندسین، حسگرهای تصویر را با آرایههای سیناپس مصنوعی جفت میکند و به هر یک از آنها یاد داده میشود که یک حرف خاص، در این مورد، M، I و T را تشخیص دهند.
این تیم به جای استفاده از روش سنتی انتقال دادههای حسگر به فرآیند از طریق کابلهای فیزیکی، یک سیستم نوری میسازد. در این رویکرد، هر حسگر و سیناپسهای مصنوعی ترکیب میشوند تا آرایهای را تشکیل دهند که ارتباط بین حروف را بدون نیاز به اتصالات فیزیکی امکانپذیر میسازد.
سیگنالهای بین لایهها از طریق سیم استاندارد در چیدمان تراشههای مدولار معمولی ارسال میشوند. این تراشههای معمولی قابل تنظیم مجدد نیستند، زیرا جدا کردن و سیمکشی مجدد چنین سیمکشیهای پیچیده غیرممکن است.
محققان مشتاقانه منتظر اجرای طرح پیشگامانه آن برای پیشرفت دستگاههای محاسباتی مانند حسگرهای خودکفا و سایر وسایل الکترونیکی هستند که با یک منبع مرکزی یا توزیعشده مانند محاسبات مبتنی بر ابر یا ابر رایانهها کار نمیکنند.
تنظیمات تراشه
یک تراشه تکی توسط محققان ایجاد شد و هسته محاسباتی آن تقریباً به اندازه یک تکه کانفتی در 4 میلی متر مربع بود.
این تراشه دارای سه بلوک تشخیص تصویر است که روی یکدیگر قرار گرفته اند، که هر کدام دارای یک حسگر تصویر، یک لایه ارتباطی نوری و یک آرایه سیناپس مصنوعی برای شناسایی یکی از سه حرف M، I یا T هستند. تصویری از پیکسلها را بهطور تصادفی روی دستگاه پخش کرد و جریان الکتریکی هر کدام را اندازهگیری کرد شبکه های عصبی آرایه تولید شده در پاسخ
با افزایش جریان، احتمال اینکه تصویر همان حرفی باشد که آرایه خاص برای تشخیص آموزش دیده است افزایش می یابد.
محققان دریافتند که در حالی که تراشه می تواند بین تصاویر مه آلود متمایز، مانند بین حروف I و T تشخیص دهد، اما در طبقه بندی تصاویر واضح از هر حرف موفقیت کمتری داشت. هنگامی که لایه پردازشی تراشه به سرعت با یک پردازشگر «حذف نویز» برتر جایگزین شد، محققان دریافتند که دستگاه به درستی تصاویر را تشخیص میدهد.
با این حال، آنها به سرعت لایه پردازش تراشه را با یک پردازنده ماهر حذف نویز جایگزین کردند و سپس کلیپی را تولید کردند که تصاویر را به درستی تشخیص می داد.
از آنجایی که آنها معتقدند کاربردهای بی شماری برای این دستگاه ها وجود دارد، محققان همچنین قصد دارند قدرت پردازش و ظرفیت حسگر تراشه ها را افزایش دهند.
محققان بر این باورند که کاربردها بی حد و حصر هستند و قصد دارند قابلیت های سنجش و پردازش تراشه را گسترش دهند.
آینده آن
از نظر کار آینده، محققان به ویژه در مورد پذیرش بالقوه این معماری هیجانزده هستند محاسبات لبه دستگاههایی مانند ابررایانهها یا محاسبات مبتنی بر ابر، که دنیای کاملا جدیدی از امکانات را به شما میگشاید.
با رشد اینترنت اشیا، تقاضا برای دستگاههای محاسباتی لبهای چند منظوره افزایش مییابد. این تیم بر این باور است که چون مقدار زیادی از آن می دهد محاسبات لبه انعطاف پذیری، طراحی پیشنهادی آن می تواند به این امر کمک کند.
Iبه منظور شناسایی تصاویر پیچیدهتر یا استفاده در نظارت بر پوست الکترونیکی پوشیدنی و مراقبتهای بهداشتی، محققان همچنین قصد دارند قابلیتهای سنجش و پردازش تراشه را افزایش دهند.
اگر کاربران بتوانند تراشه را با استفاده از حسگرهای مختلف و لایههای پردازشی که ممکن است جداگانه به فروش میرسند، قرار دهند، برای محققان جالب است.
بسته به نیاز خود برای شناسایی تصویر یا ویدیو، کاربر می تواند از بین موارد مختلفی انتخاب کند شبکه های عصبی.
نتیجه
این تیم محاسبات لبه را به عنوان یکی از چندین مورد استفاده ممکن میداند. جیوان کیم، دانشیار مهندسی مکانیک در MIT، پیشبینی میکند که با ورود به عصر اینترنت اشیاء مبتنی بر شبکههای حسگر، تقاضا برای دستگاههای محاسباتی لبهای چند منظوره به میزان قابل توجهی افزایش خواهد یافت.
در آینده، "طراحی سخت افزاری پیشنهادی ما امکان سازگاری فوق العاده ای را برای محاسبات لبه فراهم می کند."
در نتیجه، این تراشه آینده را تغییر می دهد و از طیف گسترده تری از کاربردهای هوش مصنوعی استقبال می کند.
پاسخ دهید