تراشههای هوش مصنوعی فوتونیک چین ۱۰۰ برابر سریعتر از پردازندههای گرافیکی انویدیا هستند
تراشههای فوتونیکی جدید هوش مصنوعی چین به دستاوردهای چشمگیر در سرعت و بهرهوری دست یافتهاند، اما تنها برای بارهای کاری بسیار محدود و تعریفشده. دانشمندان چینی بنا بر گزارشها مجموعهای از ریزتراشههای فوتونیکی جدید مبتنی بر نور توسعه دادهاند که از نظر سرعت و بهرهوری میتوانند پردازندههای گرافیکی پیشرو هوش مصنوعی انویدیا را با اختلافی بیش از ۱۰۰ برابر پشت سر بگذارند.
بر اساس این ادعاها، تراشههای جدید قادرند در برخی وظایف مولد خاص، از جمله تولید ویدئو و سنتز تصویر، بهراحتی از فناوریهای پیشرو انویدیا عملکرد بهتری ارائه دهند. هرچند این موضوع چشمگیر به نظر میرسد، اما درک این نکته ضروری است که این تراشهها جایگزین مستقیم پردازندههای گرافیکی به سبک انویدیا برای کاربردهای عمومی محسوب نمیشوند.
در عوض، در صورت صحت ادعاها، تراشههای مذکور نمایانگر یک معماری محاسباتی جدید برای بارهای کاری هوش مصنوعی بسیار محدود و مشخص هستند، بهویژه برای وظایفی مانند بینایی ماشین و تولید تصویر مولد.
پردازندههای گرافیکی انویدیا، مانند مدل محبوب NVIDIA A100، برای انجام محاسبات از الکترونهایی استفاده میکنند که از میان ترانزیستورها عبور میکنند. این رویکرد امکان اجرای دستورات بهصورت گامبهگام را فراهم میکند و انعطافپذیری بسیار بالایی دارد، به این معنا که میتوانند بهطور همزمان برنامههای متعددی را اجرا کنند.
با این حال، چنین تراشههایی مصرف انرژی بسیار بالایی دارند و میتوانند در مدتزمان کوتاهی به شدت داغ شوند. همچنین تولید آنها مستلزم استفاده از فرایندهای ساخت بسیار پیشرفته است.
این تراشههای فوتونیکی جدید چینی، مانند اکسل (ACCEL) و لایتجن (LightGen)، به جای الکترونها از فوتونها برای عملکرد خود بهره میبرند. آنها محاسبات را از طریق تداخل نوری انجام میدهند، امری که موجب دستیابی به سرعتی فوقالعاده بالا و بهرهوری انرژی بسیار چشمگیر میشود.
با این وجود، در مقایسه با پردازندههای گرافیکی انویدیا، از نظر انعطافپذیری محدودتر هستند. در مقابل، میتوان آنها را نسبتاً آسانتر و با استفاده از فرایندهای ساخت قدیمیتر تولید کرد.
برای درک بهتر تفاوت، میتوان پردازندههای گرافیکی انویدیا را به ماشینحسابهای قابل برنامهریزی تشبیه کرد، در حالی که این تراشههای فوتونیکی جدید بیشتر به ماشینهای آنالوگ اختصاصی با هدفی مشخص شباهت دارند.
تراشه اکسل که توسط دانشگاه تسینگهوا توسعه یافته، یک تراشه هیبریدی متشکل از مؤلفههای فوتونیکی و بخشهایی از تراشههای الکترونیکی آنالوگ است. این تراشهها میتوانند با استفاده از فناوریهای قدیمیتر شرکت Semiconductor Manufacturing International Corporation ساخته شوند و نشان داده شده که توان پردازشی ۴.۶ پتافلاپس را با مصرف انرژی بسیار اندک ارائه میدهند.
برای مقایسه، هر پتافلاپس معادل یک کوادریلیون، یعنی ۱۰^۱۵، عملیات ممیز شناور در ثانیه است. این رقم بسیار قابل توجه به نظر میرسد، اما باید توجه داشت که این تراشهها کد اجرا نمیکنند و عملیات سنگین مبتنی بر حافظه را، آنگونه که اغلب از تراشههای انویدیا انتظار میرود، انجام نمیدهند.
آنها صرفاً عملیات ریاضی آنالوگ از پیش تعیینشده را اجرا میکنند که برای وظایفی مانند تشخیص تصویر، بینایی در نور کم و موارد مشابه کاملاً مناسب است. چنین تراشههایی هرگز قادر نخواهند بود کارهایی مانند اجرای برنامهها، آموزش مدلها یا جایگزینی پردازندههای گرافیکی، یا حتی پردازندههای مرکزی، در دستگاههای الکترونیکی را انجام دهند.
تراشه دیگر، لایتجن، توسط یک تیم مشترک از دانشگاه شانگهای جیائو تونگ و دانشگاه تسینگهوا توسعه داده شده است. برخلاف اکسل، این تراشه کاملاً نوری بوده و بیش از ۲ میلیون نورون فوتونیکی را در خود جای داده است.
این تراشه بنا بر ادعاها قادر است وظایفی مانند تولید تصویر، انتقال سبک، حذف نویز و دستکاری تصاویر سهبعدی را انجام دهد. در مقایسه با تراشههای متداولتر مانند محصولات انویدیا، لایتجن میتواند این وظایف را با سرعتی بیش از ۱۰۰ برابر و در عین حال با مصرف تنها کسری از انرژی مورد نیاز انجام دهد.
در همین راستا، تیم پژوهشی توضیح میدهد که لایتجن تاکنون قویترین شاهد بر این است که فوتونیک میتواند هوش مصنوعی مولد واقعی را محقق کند، هرچند تنها در حوزههایی با محدودیتهای بسیار سختگیرانه.
اکسل و لایتجن نشان میدهند که سختافزار هوش مصنوعی مبتنی بر نور میتواند برای وظایف هوش مصنوعی محدود، با اختلاف مرتبهای از پردازندههای گرافیکی پیشی بگیرد. با این حال، این تراشهها ماشینهای آنالوگ تخصصی هستند و جایگزینهای عمومی محسوب نمیشوند، و همین تمایز اهمیت بنیادین دارد.
