گوگل در کنفرانس I/O 2017 نسل دوم پردازندههایش را معرفی کرد. این پردازندهها که تی پی یو نامیده میشوند برای کاربردهای هوش مصنوعی توسعه پیدا کردهاند.
با آغاز کنفرانس I/O 2017 گوگل نسل دوم پردازندههای خودش را که واحد پردازنده تانسوری ( تی پی یو ) نامیده میشود، معرفی کرد. مدیرعامل گوگل "ساندار پیچای" در سخنرانی کلیدیاش گفت:
سختافزار معرفی شده و نسل جدید نرمافزارهای گوگل یک پلتفرم پردازش ابری را شکل خواهند داد که در آینده میتوانند گوگل را به اهداف بلند پروازانهاش برسانند.
اولین تی پی یو، سال گذشته به عنوان یک تراشه خاص برای یادگیری ماشین طراحی و ساخته شد. این تراشه با کمک سیستم هوش مصنوعی AlphaGo سیستمهای پیشبینی و تصمیم گیری گوگل را پشتیبانی میکردند. گوگل همچنین از توانایی بالای این پردازنده برای موتور جستجویش نیز بهره برده است. اخیرا این تکنولوژی باعث بهبود بسیاری از سرویسهای گوگل مانند ترجمه و تصاویر نیز شده است. هماکنون بسیاری از سرویسهای گوگل میتوانند با کمک این تراشه از تکنیکهای هوش مصنوعی بهره ببرند.
معمولا وظیفه راهاندازی سیستمهای هوش مصنوعی، به پردازندههای گرافیکی تجاری محصول انویدیا، محول میشود. برای مثال فیسبوک برای آموزش سیستم هوش مصنوعیاش از پردازندههای گرافیکی انویدیا در سرورهایش استفاده میکند. اما گوگل چند سالی است تصمیم گرفته سخت افزار مورد نیازش را نیز خودش بسازد و آن را برای نرمافزارهای خود بهینه کند.
براساس همین ایده و تفکر، "تی پی یو" ها برای اینکه بتوانند با تنسورفلوی گوگل به بهترین شکل ممکن کار کنند طراحی شدند. تنسورفلو یکی از چند کتابخانه نرمافزاری متن بازی است که برای یادگیری ماشین توسعه پیدا کرده است. اما پیشرفتهای گوگل و تطبیق مناسب نرمافزار و سختافزار آن را به یکی از برترین نرمافزارهایی تبدیل کرده است که برای ایجاد نرم افزارهای هوش مصنوعی به کار میروند. این عملکرد بهینه و تیزهوشی گوگل برای ترکیب سختافزار و نرم افزار خودش، گوگل را در صدر شرکتهایی قرار داده است که در زمینه هوش مصنوعی کار میکنند.
گوگل همچنین میگوید نسخه دوم تی پی یو هایش کاملا عملیاتی شده است. پردازنده های جدید گوگل در حال متصل شدن به موتور محاسباتی گوگل نیز هستند. موتور محاسباتی گوگل پلتفرمی است که بقیه شرکتهای دنیا برای بهدست آوردن ظرفیت محاسباتی بیشتر میتوانند از آن استفاده کنند. مایکروسافت و آمازون نیز سرویسهای مشابهی به ترتیب با AWS و Azure ارائه میدهند. طبیعتا گوگل از سیستم طراحی شده توسط خودش استفاده میکند. اما این رونمایی باعث میشود بقیه شرکتهای بزرگ دنیا هم به دنبال پیشخرید آن باشند.
فی فی لی دانشمند ارشد گوگل در زمینه هوش مصنوعی میگوید:
برای طراحی یک موتور محاسباتی فوق سریع، گوگل ٦٤ عدد از تی پی یو هایش را روی یک برد الکترونیکی با هم موازی کرده است. این بردها "تی پی یو پاد" نام دارند. هرکدام از این بردها درواقع یک ابررایانه محسوب میشوند و ١١.٥ پتافلاپ قدرت محاسباتی خواهند داشت. نسل جدید تی پی یو های گوگل حتی به تنهایی نیز ١٨٠ ترافلاپ قدرت محاسباتی دارند که برای راه اندازی سیستمهای یادگیری ماشین بسیار مناسب هستند.
این توانایی سخت افزاری شگفتانگیز برتری قابل توجهی در زمینه سرعت و انجام آزمایشهای متنوع نسبت به رقبا به گوگل میدهد. در همین زمینه جف دین مدیر ارشد تیم مغز گوگل میگوید:
مدل جدید و بسیار بزرگ ترجمه گوگل برای آموزش دیدن باید روی ٣٢ تا از بهترین پردازندههای گرافیکی موجود در بازار به مدت یک روز اجرا شود. در حالی که یک هشتم قدرت محاسباتی یک تی پی یو پاد این کار را در یک بعد از ظهر به انجام خواهد رساند!
نسل دوم تی پی یو های گوگل در واقع ابررایانههایی هستند که برای آموزش سیستمهای هوش مصنوعی به کار گرفته خواهند شد. علاوه بر سرعت بالاتر نسل دوم سخت افزار جدید گوگل به سرورهای این غول تکنولوژی اجازه خواهد داد به صورت موازی تحلیل ورودیها و همچنین آموزش شبکههای عصبی پیچیده را انجام دهند. در حالی که نسل قبلی قادر به انجام همزمان این دو وظیفه نبود. برای توضیح بیشتر باید گفت که فرآیند آموزش در واقع برای ایجاد الگوریتم هوش مصنوعی مورد نظر است. این فرایند به منابع اطلاعاتی عظیمی احتیاج دارد و بسیار زمانبر است.
یادگیری ماشین اساس تحقیقات مدرن در زمینه هوش مصنوعی است و به صورت ساده به معنی دادن صدها هزار ورودی نمونه مختلف به سیستم است تا بتواند کارهایی را انجام دهد که قبلا به صورت خاص برای آن کار برنامه ریزی نشده بود. یادگیری ماشین امروزه در خیلی از محصولات تجاری مانند قابلیت ترجمه همزمان مترجم گوگل یا توانایی آلفاگو برای بازی "گو" در سطح بسیار حرفهای و فرا انسانی نیز مورد استفاده قرار میگیرد.
همه توانایی سیستمهای هوش مصنوعی به آموزش شبکههای عصبی با تعداد بسیار زیادی داده و تبدیل آن به الگورتیمی کارا خلاصه میشود. این فرآیند قطعا به توان محاسباتی بسیار بالایی احتیاج خواهد داشت. این سیستمهای آموزش در نگاه کلی برای بهبود سیستمهای هوش مصنوعی جدید بسیار حیاتی هستند. هرچه شما سخت افزار قویتری داشته باشید نتایج را سریعتر در اختیار خواهید داشت. جف دین همچنین میگوید:
اگر بتوانیم زمان لازم برای هر آزمایش را از چند هفته به چند روز و حتی چند ساعت برسانیم، یادگیری ماشین در سطح دنیا گسترش مییابد و افراد میتوانند آزمایشهای بیشتر و سریعتری انجام دهند.
نسل جدید تی پی یو ها به دلیل فراهم کردن قابلیت همزمان تحلیل و آموزش برای شبکههای عصبی، میتوانند باعث ایجاد سیستمهای هوش مصنوعی قابل اعتمادتر و سریعتر از گذشته شوند.
از زمانی که گوگل نرم افزار تنسورفلو را معرفی کرده، با ارائه آن به صورت متن باز و همچنین ارائه منابع محاسباتی بسیار قوی تی پی یو به صورت رایگان به محققان، برنامهای به نام "تحقیقات ابری تنسورفلو" را آغاز کرد. در این برنامه محققان موظفند نتیجه تحقیقات خود و حتی در صورت امکان سورس کدهایشان را منتشر کنند. گوگل امیدوار است به وسیله این مدل متن باز و همچنین ارائه رایگان قدرت نرم افزاری کلاسترهای سخت افزاریاش (دارای ١٠٠٠ تی پی یو) نقش عمدهای در پیشرفت هوش مصنوعی در آینده داشته باشد.