هوش مصنوعی تراشههای خودش را طراحی میکند؛ شرطبندی استارتاپ ریکرسیو برای مهار بحران پردازش
بنیانگذاران استارتاپ ریکرسیو اینتلیجنس (Ricursive Intelligence) در تلاشند تا با سپردن فرایند طراحی تراشه به دست هوش مصنوعی، بحران کمبود توان پردازشی جهان را مهار کنند. این سیستم هوشمند با یادگیری پیوسته از هر چرخه، طرحهای تراشه را در عرض چند روز بهینهسازی میکند و روند تولید را به شکل چشمگیری سرعت میبخشد. با این نوآوری پیشگامانه، راه برای ساخت تراشههای اختصاصی و فوقکممصرف در حوزههایی مانند فضا، واقعیت مجازی و محاسبات زیستی هموار خواهد شد.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- جهش تقاضا و معضل کمبود توان پردازش: تقاضا برای توان محاسباتی طی ۵ سال آینده حداقل ۱۰ هزار برابر میشود و چون ساخت این حجم از دیتاسنترها ممکن نیست، ریکرسیو میخواهد با طراحی تراشههای فوقالعاده بهینهتر به جنگ این بحران برود.
- طراحی دوناتی و معماریهای نامتعارف: هوش مصنوعی برخلاف رویکرد سنتی قطعهقطعه کردن چیپ، تراشه را کاملاً یکپارچه میبیند؛ این سیستم حتی در گذشته چیدمانهای دایرهای شبیه دونات خلق کرده که بسیار بهتر از روشهای انسانی جواب دادهاند.
- طراحی تراشه در یک هفته به جای دو سال: با خودکارسازی صفر تا صد نقشهکشی سختافزار توسط هوش مصنوعی، طراحی چیپ از پروژهای دوساله به کاری هفتگی تبدیل شده و ساخت تراشههای سفارشی برای صنایع هوافضا، واقعیت مجازی و پردازشهای زیستی توجیه اقتصادی پیدا میکند.
بنیانگذاران استارتاپ ریکرسیو اینتلیجنس (Ricursive Intelligence)، آنا گلدی (Anna Goldie) و ازلیا میرحسینی (Azalia Mirhoseini)، بر این باورند که طراحی هوشمندانهتر و بهینهتر تراشههای هوش مصنوعی میتواند بزرگترین برگ برنده برای حل بحران کمبود توان پردازشی جهان باشد. این دو دانشمند برجسته روی صحنه رویداد بزرگ فناوری دیسراپت (Disrupt) حاضر شدند تا توضیح دهند چگونه استارتاپ آنها با بهکارگیری هوش مصنوعی، طراحی تراشهها را خودکار کرده و با یادگیری مداوم از هر چرخه آزمایشی، طرحهای بعدی را تکامل میبخشد تا فرایند طولانی ساخت چیپ بهشکل چشمگیری شتاب بگیرد.
گلدی روی استیج با اشاره به رشد سرسامآور تقاضا برای سختافزار گفت: «این یک برآورد کاملاً پذیرفتهشده است که تقاضا برای توان محاسباتی طی پنج سال آینده حداقل ۱۰ هزار برابر خواهد شد؛ تازه این تخمین احتمالاً کاملاً محتاطانه است! بنابراین ما نمیتوانیم ۱۰ هزار برابر دیتاسنتر بیشتر بسازیم. در عوض باید تراشههایی بسیار پربازدهتر و کممصرفتر بسازیم؛ قطعاتی که از پهنای باند دیتاسنترها نهایت استفاده را ببرند و خطوط تولید و کارخانههای تراشهسازی (Fabs) را با حداکثر بهرهوری به کار بگیرند؛ چرا که حتی اگر دیتاسنترها را به فضا هم منتقل کنیم، از تراکم آنها دیگر خورشیدی در آسمان دیده نخواهد شد!»
در حالی که شاید ایده طراحی تراشه توسط خود هوش مصنوعی برای برخی دلهرهآور به نظر برسد، گلدی معتقد است سپردن معماری تراشهها به این ابزارهای خودکار، فرصتی طلایی به انسانها میدهد تا انرژی خود را روی توسعه برنامههای کاربردی جدید و کشف امکاناتی بگذارند که افقهای پردازشی بشر را گسترش میدهند.

گلدی در ادامه افزود: «به نظر من روند دنیا به این سمت پیش میرود که انسانها ایدههای ناب و تفکرات خلاقانه را مطرح کنند و زحمت اجرای فنی و پیادهسازی به دوش هوش مصنوعی بیفتد. این اتفاق هماکنون در توسعه نرمافزار، طراحی مدارها و چیپها و بسیاری از بخشهای دیگر در حال رخ دادن است؛ و این دقیقاً همان تحولی است که ریکرسیو در حوزه مهندسی تراشهها به دنبال آن است.»
به گفته بنیانگذاران این استارتاپ، هوش مصنوعی با کشف الگوها و چیدمانهای نامتعارف، مرزهای سنتی معماری تراشه را جابهجا کرده و طرحهایی ارائه میدهد که راندمانی بهمراتب بهتر از روشهای انسانی دارند. به عنوان نمونه، سیستم هوش مصنوعی آلفاچیپ (AlphaChip) که این دو پیشتر طراحی کرده بودند، اجزای تراشه را در آرایشی دایرهای و «شبیه دونات» چیده بود؛ طرح عجیبی که ابتدا همه مهندسان را شوکه کرد، اما در نهایت ثابت کرد عملکردی فوقالعاده درخشان و موفق دارد.
آنها توضیح دادند که برخلاف رویکرد قدیمی که تراشه را به دهها قطعه و بلوک کوچکتر خرد میکرد، این پلتفرم کل تراشه را بهطور یکپارچه بهینهسازی میکند. چنین رویکردی به الگوریتم هوش مصنوعی امکان میدهد تا الگوهای هندسی پیچیده و طراحیهای موجمانندی پدید آورد؛ دستاوردهایی که این دو محقق وعده دادند در آینده جزئیات هیجانانگیز بیشتری از آنها را منتشر خواهند کرد.
همبنیانگذاران ریکرسیو همچنین تأکید کردند که این روش انقلابی، امکان تولید انواع و اقسام تراشههای خاص و سفارشی را فراهم میکند؛ تراشههایی که در گذشته هیچ شانسی برای ساختهشدن نداشتند.
گلدی صحبتهایش را اینطور جمعبندی کرد: «وقتی طراحی یک تراشه جدید شش ماه، یک سال یا حتی دو سال زمان میبرد، شما مجبورید بهشدت وسواسی و محدود عمل کنید و فقط سراغ پروژههای عمومی با تیراژ نجومی بروید. اما اگر بتوانید یک تراشه اختصاصی را ظرف تنها یک هفته طراحی کرده و آماده خط تولید کنید، ساخت تراشههای سفارشی برای صنایع هوافضا، واقعیت افزوده (AR)، واقعیت مجازی (VR) و حتی پردازشهای زیستی کاملاً توجیه اقتصادی پیدا میکند و علاوه بر آن، صرفهجویی عظیمی هم در مصرف انرژی کل شبکه رقم خواهد خورد.»
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

دیتابیس همهفنحریف CedarDB برای عصر ایجنتهای هوش مصنوعی؛ پایان جدایی تحلیل و تراکنش دادهها
استارتاپ آلمانی CedarDB با معرفی نسخه ابری دیتابیس نوآورانه خود، مرز دیرینه میان پایگاههای داده تحلیلی و عملیاتی را از میان برداشته است. این فناوری با سازگاری کامل با PostgreSQL و بهرهگیری حداکثری از سختافزارهای مدرن، پاسخگویی سریع به پرسشهای تحلیلی را برای ایجنتهای هوش مصنوعی ممکن میسازد و هزینههای مهاجرت شرکتها را به حداقل میرساند.

نفوذ بازرسان به دل آزمایشگاههای هوش مصنوعی؛ طرح جنجالی METR برای شکار ایجنتهای سرکش
موسسه ایمنی METR در پیشنهادی جنجالی خواستار استقرار بازرسان مستقل در آزمایشگاههای غولهای هوش مصنوعی شد تا ایجنتهای خودمختار و سرکش را مستقیماً مهار کند. این برنامه پس از آن مطرح میشود که گزارشهایی از فریبکاری ایجنتها و فرار آنها از فیلترهای نظارتی فاش شد. کارشناسان معتقدند بدون نظارت مداوم و مستقیم، کنترل نسل بعدی هوش مصنوعی از دست توسعهدهندگان خارج خواهد شد.

دفاع جنجالی مدیرعامل فلاک از فناوری نظارتی وسط موج انتقادها: «نباید ترمز پیشرفت رو بکشیم!»
گرت لانگلی، مدیرعامل شرکت فلاک، در میانه موج شدید نگرانیها درباره نقض حریم خصوصی، تمامقد از فناوریهای نظارتی و دوربینهای پلاکخوان این شرکت دفاع کرد. او با رد انتقادها تأکید کرد که مزایای این ابزارها در مهار جرایم و ایجاد امنیت بسیار بیشتر از خطرات احتمالی سوءاستفاده است و جامعه برای امنیت بیشتر باید هزینه حریم خصوصی را بپردازد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.