مهدی صنعت‌جو

IPU پردازنده‌ای با معماری چشم‌نواز
20 آبان 1398
استارت‌آپ نوپای گراف‌کور (Graphcore) که عمری دو ساله دارد و با هدف تولید نسل جدیدی از تراشه‌های هوش مصنوعی تأسیس شده حالا توجه سرمایه‌گذاران بزرگی همچون بی‌اِم‌و، مایکروسافت‌، سامسونگ و دل را به خود جلب کرده است. هدف نهایی بنیان‌گذاران گراف‌کور، عرضه تراشه‌های هوش مصنوعی چندمنظوره به بازار است. آن‌چه در ادامه می‌آید اشاره‌ای است مختصر به تلاش این استارت‌آپ و تراشه‌ای که عرضه کرده است. شاید در اینجا بهتر بود که بیشتر به ساختار داخلی تراشه و معماری به‌کار رفته در آن می‌پرداختیم، اما در لابه‌لای سطور، نکاتی وجود دارد که توجه به آن‌ها خالی از لطف نیست به ویژه بخش مربوط به شکل‌گیری شرکت که به نظر من بسیار جای تمرکز دارد.
آنچه از ایران هوشمند انتظار دارم
17 آبان 1398
یکی از جنبه‌های جذاب هوش مصنوعی برای من به‌ویژه در سال‌‌های اخیر این است که ما را مجبور کرده به فکر بازنگری پردازنده‌های خود باشیم. سرانجام بعد از گذشت چند دهه به پردازنده‌هایی با طراحی جدید نیاز داریم. منظور از طراحی جدید مواردی نظیر تغییر در چیدمان اجزای پردازنده، اضافه کردن واحد حافظه به آن یا بسته‌‌بندی واحد‌های پردازشی و قرار دادن آن در یک بسته‌ پردازشی بزرگ‌تر نیست. بلکه طراحی جدید بدین معنا که همه چیز را به هم بریزیم و از نو بسازیم. این آغاز یک تحول است.
جنجال شنود دستیارهای دیجیتال
08 آبان 1398
طی ماه‌های اخیر در مورد شنود دستیار‌های صوتی شرکت‌های اپل، گوگل، مایکروسافت و‌ آ‌مازون گزارش‌های متعددی منتشر شده است. هوش مصنوعی  سیری شرکت اپل، الکسای آمازون، اسیستانت گوگل و کورتانای شرکت مایکروسافت هنوز در شناسایی گفتار با نقایصی همراه هستند و همین موضوع باعث شده  که برای بهبود عملکرد آن‌ها از  انسان‌ها کمک گرفته شود.
 هرس شاخه‌های هوش مصنوعی راهکاری برای کوچک‌تر کردن شبکه‌های عصبی
03 آبان 1398
برای آموزش شبکه‌های عصبی، توان پردازشی زیادی را هدر می‌دهیم، زیرا شبکه‌هایی بزرگ‌تر از آن‌چه نیاز داریم را انتخاب می‌کنیم تا شانس بیشتری برای آموختن داشته باشند. فرایند آموزش چنین شبکه‌ای چندین روز زمان می‌برد و تأمین توان پردازشی آن پرهزینه است. چه می‌شد اگر می‌توانستیم شبکه‌های کوچک و منطبق با نیازمان را آموزش دهیم؟ این پرسشی است که محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی دانشگاه اِم‌آی‌تی سعی کرده‌اند پاسخی برای آن بیابند. آن‌ها دریافته‌اند که می‌توان اندازه یک شبکه را بسیار کوچک کرد به‌گونه‌ای‌ که پس از آموزش، همان عملکرد شبکه اصلی را داشته باشد. به بیان دیگر می‌توانیم با شبکه‌ای کوچک‌تر شروع کنیم و با صرف زمان و هزینه کمتر به همان نتیجه برسیم.
من و شما و خیلی‌های دیگری که از فضای مجازی استفاده می‌کنیم تبدیل شده‌ایم به کارکنان شرکت‌های بزرگی نظیر گوگل و فیسبوک و… و بی‌آن‌که کارمزدی دریافت کنیم، برچسب می‌زنیم و توصیف می‌نویسیم و محتوا تولید می‌کنیم و مصرف می‌کنیم. شده‌ایم همکاران روبات‌های خزنده و سامانه‌های هوشمند شرکت‌های بزرگ و کوچک. ابزاری برای آموزش الگوریتم‌ها. اما این همه ماجرا نیست...
یکی از محققان هواشناسی از دانشگاه توکیو برای جمع‌آوری داده‌های جوی بیشتر، ایده‌ای جالب دارد. او استفاده از اسمارت‌فون‌ها و اینترنت‌ اشیا را برای جمع‌آوری داده‌های مربوط به شرایط جو راهکار مناسبی می‌داند.
ذخیره‌سازی داده‌ها روی دی‌ان‌ای و نگه‌داری در یخچال
30 شهريور 1398
بشر سالانه، حجم بسیار زیادی داده تولید می‌کند و این روند تولید داده، به‌طور چشم‌گیری در حال افزایش است. بخش زیادی از این داده‌ها، داده‌های مهمی هستند که باید ذخیره شده و برای مدت طولانی و به‌طور ایمن نگه‌داری شوند. شماری از محققان، دانشگاهیان و فعالان حوزه صنعت با پیش‌بینی آن‌چه در سال‌های آینده نیاز خواهند داشت، به‌دنبال راهکاری بهینه و مناسب برای ذخیره‌سازی داده‌های‌شان هستند. برخی معتقدند ذخیره‌سازهای زیستی و از جمله ذخیره‌سازهای مبتنی بر مولکول‌های دی‌اِن‌اِی بهترین پاسخ به این چالش هستند.
تراشه‌های عصبی نوری: کارزار سرمایه‌گذاران
11 شهريور 1398
پژوهش در زمینه شبکه‌های عصبی مصنوعی، سابقه‌ای قدیمی دارد، اما این حوزه در سال‌های اخیر بیش‌ازپیش مورد توجه شرکت‌ها و مؤسسات تحقیقاتی قرار گرفته است. با وجود دستاوردها و پیشرفت‌ها، هنوز یکی از چالش‌های اساسی در این حوزه، مسئله مصرف توان است. پیاده‌سازی شبکه‌های عصبی روی سخت‌افزارهای الکترونیکی امروزی برق بسیار زیادی مصرف می‌کند و این موضوعی است که با پیچیده‌تر شدن شبکه‌های عصبی، بغرنج‌تر هم می‌شود. محققان مدتی است در مورد راهکاری تحقیق می‌کنند که شاید نه تنها حوزه هوش مصنوعی که حوزه پردازش هم دچار تحول اساسی کند و آن، پردازش نوری است. در مقاله پیش رو با نگاهی اجمالی به این موضوع، به برخی از تلاش‌های عملی در این زمینه اشاره‌ای خواهیم کرد. در این بین نکته مهم نگاه تیزبین سرمایه‌گذارانی است که ایده‌های بلندپروازانه‌ای نظیر توسعه تراشه‌های عصبی نوری را به‌خوبی درک می‌کنند و آماده سرمایه‌گذاری‌های پرخطر این چنینی هستند.
مجازی‌سازی یکی از روش‌های عملی، به نسبت جدید و محبوب برای مدیریت مراکز داده است. برپایی مراکز داده مجازی در قلب نمونه‌های فیزیکی، مزایای متعددی دارد. می‌توان چندین سرور مجازی را روی یک سخت‌افزار پیاده کرد که در این صورت، هزینه‌های مربوط به سخت‌افزار به‌طور قابل‌توجهی کاهش می‌یابند. در صورت از کار افتادن یک سرور، کافی است ماشین مجازی را دوباره پیاده‌سازی کنیم و به پیکربندی سخت‌افزاری نیازی نخواهد بود. در نتیجه زمان از دست رفتن سرویس بسیار کوتاه‌ می‌شود. از دیگر مزایای این روش امکان پیاده‌سازی ماشین‌های مجازی با وظایف مختلف و مهاجرت آن‌ها به ابر است. در ادامه گفت‌وگویی انجام‌شده از نظریه‌های دو تن از کارشناسان این حوزه را می‌خوانید. به‌منظور پیوستگی مطالب و ساده‌تر شدن مطالعه، متن اصلی اندکی تغییر داده‌شده و از حالت گفت‌وگو در آمده است.

صفحه‌ها

اشتراک در مهدی صنعت‌جو
پشتیبانی توسط ایران دروپال