Երբ էլեկտրոնային սարքերը, ինչպիսիք են բջջային հեռախոսները, խելացի ժամացույցները և այլ կրելի տեխնոլոգիաները, արդիականացվում են ավելի նոր մոդելներով, ամեն տարի զգալի քանակությամբ աղբ է արտադրվում:
Եթե ավելի հին տարբերակները թարմացվեին նոր սենսորներով և պրոցեսորներով, որոնք կպչում են սարքի ներքին չիպի մեջ՝ նվազեցնելով ծախսերը և՛ փողի, և՛ նյութերի առումով, դա հեղափոխական կլիներ: Մտածեք ավելի կայուն ապագայի մասին, որտեղ սմարթֆոնները, խելացի ժամացույցները և այլ կրելի տեխնոլոգիաները մշտապես չեն փոխարինվում նոր մոդելներով կամ չեն դրվում դարակում:
Փոխարենը, դրանք կարող են թարմացվել նորագույն սենսորներով և պրոցեսորներով, որոնք պարզապես կպչում են սարքի ներքին չիպի մեջ, ինչպես LEGO աղյուսները, որոնք ավելացվել են գոյություն ունեցող կառուցվածքին: Նման վերածրագրավորվող չիպերը կարող են պահպանել սարքերը ընթացիկ՝ միաժամանակ նվազեցնելով մեր թվային թափոնները:
Իրենց LEGO-ի նմանվող դիզայնով, որը հարմարեցված է, հարմարեցված Արհեստական բանականություն չիպ, MIT-ի ինժեներներն այժմ քայլ են կատարել դեպի այդ մոդուլային տեսլականը:
Այս գրառումը մանրակրկիտ կանդրադառնա այս չիպին, դրա կազմաձևերին և հետագա հետևանքներին:
Այսպիսով, ի՞նչ է LEGO-ի նման արհեստական ինտելեկտի չիպը:
Հաջորդ խոշոր զարգացումը, որը կվերափոխի մոլորակը, արհեստական բանականությունն է: Մոդուլային և կայուն էլեկտրոնիկա արտադրելու համար MIT-ի ինժեներներն այժմ ստեղծել են AI չիպ, որը հիշեցնում է LEGO-ն:
Լրացուցիչ սենսորների ավելացման կամ հին պրոցեսորների արդիականացման գործընթացն ավելի պարզ դարձնելու համար այն վերակազմավորվող չիպ է բազմաթիվ շերտերով, որոնք կարող են շերտավորվել մեկը մյուսի վրա կամ փոխարկվել:
Շերտերի համակցության հիման վրա «վերակազմավորվող» AI չիպերը կարող են անորոշ ժամանակով ընդլայնվել: Հետևաբար, այս չիպերը կարող են կրճատել էլեկտրոնային թափոնները՝ միաժամանակ պահպանելով մեր սարքերը ընթացիկ:
Հիմա եկեք ուսումնասիրենք այս չիպի դիզայնը:
Չիպի դիզայն
AI չիպերի ճարտարապետությունն իսկապես բացառիկ է, քանի որ այն համատեղում է մշակման և սենսորային բաղադրիչների փոփոխվող շերտերը LED-ների (լուսարձակող դիոդներ) հետ, որոնք թույլ են տալիս չիպի շերտերին տեսողականորեն փոխազդել:
Ճարտարապետությունը ներառում է լուսարձակող դիոդներ (LED), որոնք թույլ են տալիս օպտիկական հաղորդակցություն չիպի շերտերի միջով, ինչպես նաև սենսորների և մշակման բաղադրիչների փոփոխվող շերտերը: Ազդանշանները փոխանցվում են մակարդակների վրա՝ օգտագործելով նորմալ մետաղալարեր այլ մոդուլային չիպերի ճարտարապետություններում:
Նման լայնածավալ միացումները դարձնում են նման կուտակման համակարգերը ոչ կարգավորելի, քանի որ դրանք դժվար է, եթե ոչ անհնար, կտրելը և նորից լարերը միացնելը: Իրական լարերի փոխարեն MIT կոնցեպտը տվյալներ է փոխանցում չիպի միջոցով՝ օգտագործելով լույսը:
Արդյունքում չիպը կարող է վերադասավորվել՝ շերտերով, որոնք կարող են ավելացվել կամ հանվել, օրինակ՝ ներառել նոր սենսորներ կամ ժամանակակից պրոցեսորներ: Ինժեներների նոր հայեցակարգը զուգավորում է պատկերի տվիչները արհեստական սինապսային զանգվածների հետ, և նրանցից յուրաքանչյուրին սովորեցնում են ճանաչել որոշակի տառ, այս դեպքում՝ M, I և T։
Թիմը կառուցում է օպտիկական համակարգ, այլ ոչ թե օգտագործելով սենսորային տվյալները ֆիզիկական մալուխների միջոցով գործընթացին փոխանցելու ավանդական մեթոդը: Այս մոտեցման դեպքում յուրաքանչյուր սենսոր և արհեստական սինապսներ միավորվում են՝ ձևավորելով մի զանգված, որը հնարավորություն է տալիս հաղորդակցվել տառերի միջև՝ առանց ֆիզիկական կապերի անհրաժեշտության:
Շերտերի միջև ազդանշաններն ուղարկվում են ստանդարտ մետաղալարով սովորական մոդուլային չիպերի դասավորությամբ: Այս սովորական չիպերը չեն կարող վերակազմավորվել, քանի որ նման բարդ լարերի պայմանավորվածությունները անհնար է անջատել և նորից միացնել:
Հետազոտողները անհամբեր սպասում են իր բեկումնային դիզայնի ներդրմանը, որպեսզի առաջ տանեն հաշվողական սարքերը, ինչպիսիք են ինքնաբավ սենսորները և տարբեր այլ էլեկտրոնիկա, որոնք չեն գործում կենտրոնական կամ բաշխված ռեսուրսների հետ, ինչպիսիք են ամպի վրա հիմնված հաշվարկները կամ սուպերհամակարգիչները:
Չիպերի կոնֆիգուրացիաներ
Հետազոտողները ստեղծեցին մեկ չիպ, և դրա հաշվողական միջուկը մոտավորապես 4 քառակուսի միլիմետր կոնֆետի կտորի չափ էր:
Չիպն ունի երեք պատկերի ճանաչման «բլոկներ», որոնք տեղադրված են մեկը մյուսի վրա, որոնցից յուրաքանչյուրն ունի պատկերի ցուցիչ, օպտիկական հաղորդակցության շերտ և արհեստական սինապսների զանգված՝ M, I կամ T երեք տառերից մեկի նույնականացման համար: նախագծեց պիքսելների պատահական պատկերը սարքի վրա և չափեց յուրաքանչյուրի էլեկտրական հոսանքը նյարդային ցանց ի պատասխան առաջացած զանգված։
Հոսանքի մեծացման հետ մեկտեղ մեծանում է հավանականությունը, որ նկարը այն տառն է, որ հատուկ զանգվածը ուսուցանվել է հայտնաբերելու համար:
Հետազոտողները պարզել են, որ թեև չիպը կարող է տարբերակել տարբեր մշուշոտ նկարներ, ինչպիսիք են I և T տառերը, այն ավելի քիչ հաջողություն է ունեցել յուրաքանչյուր տառի հստակ պատկերների դասակարգման հարցում: Երբ չիպի վերամշակման շերտը անմիջապես փոխարինվեց բարձրակարգ «դենոիզացնող» պրոցեսորով, հետազոտողները պարզեցին, որ սարքը ճիշտ է ճանաչում նկարները:
Այնուամենայնիվ, նրանք արագորեն փոխարինեցին չիպի մշակման շերտը հմուտ մաքրող պրոցեսորով, այնուհետև պատրաստեցին նկարները ճիշտ հայտնաբերող տեսահոլովակը:
Քանի որ նրանք կարծում են, որ այս սարքերի համար կան անհամար հավելվածներ, հետազոտողները նաև նախատեսում են մեծացնել չիպերի մշակման հզորությունը և սենսորային հզորությունը:
Հետազոտողները կարծում են, որ հավելվածներն անսահման են, և նրանք մտադիր են ընդլայնել չիպի ընկալման և մշակման հնարավորությունները:
Դրա ապագան
Հետագա աշխատանքի առումով հետազոտողները հատկապես ոգևորված են այս ճարտարապետության հնարավոր ընդունմամբ եզրային հաշվարկ այնպիսի սարքեր, ինչպիսիք են սուպերհամակարգիչները կամ ամպի վրա հիմնված հաշվարկները, որոնք հնարավորությունների միանգամայն նոր աշխարհ կբացեն:
Քանի որ իրերի ինտերնետն աճում է, բազմաֆունկցիոնալ եզրային հաշվողական սարքերի պահանջարկը կաճի: Թիմը հավատում է դրան, քանի որ շատ բան է տալիս եզրային հաշվարկ ճկունություն, դրա առաջարկած դիզայնը կարող է օգնել դրան:
IԱվելի բարդ նկարներ հայտնաբերելու կամ կրելու համար նախատեսված էլեկտրոնային մաշկի և առողջապահական մոնիտորինգի համար օգտագործելու համար հետազոտողները նաև նախատեսում են բարելավել չիպի ընկալման և մշակման հնարավորությունները:
Հետազոտողները գտնում են, որ հետաքրքիր է, եթե օգտատերերը կարողանան ինքնուրույն միացնել չիպը՝ օգտագործելով տարբեր սենսորներ և մշակող շերտեր, որոնք կարող են առանձին վաճառվել:
Կախված պատկերի կամ վիդեո նույնականացման իրենց կարիքներից, օգտատերը կարող է ընտրել մի շարք տարբերակներից նյարդային ցանցեր.
Եզրափակում
Թիմն առանձնացնում է եզրային հաշվարկը որպես մի քանի հնարավոր կիրառություններից մեկը: MIT-ի մեխանիկական ճարտարագիտության դոցենտ Ջիվան Քիմը կանխատեսում է, որ բազմաֆունկցիոնալ եզրային հաշվողական սարքերի պահանջարկը զգալիորեն կաճի, քանի որ մենք մտնում ենք իրերի ինտերնետի դարաշրջան, որը հիմնված է սենսորային ցանցերի վրա:
Ապագայում «մեր առաջարկած ապարատային դիզայնը թույլ կտա ծայրամասային հաշվարկների հսկայական հարմարվողականություն»:
Եզրափակելով, այս չիպը փոխում է ապագան և ողջունում է AI կիրառման ավելի լայն շրջանակ:
Թողնել գրառում