قیمت خرید فروش | فروشگاه دی نت
0 محصولات نمایش سبد خرید

هیچ محصولی در سبد خرید نیست.

مدل‌های هوش مصنوعی با Tsetlin تا 1000 برابر سریعتر می‌شوند!

Tsetlin-2.jpg

یک استارتاپ هوش مصنوعی با نام iteral Labs فناوری جدیدی را معرفی کرده که می‌تواند جایگزین پردازنده‌های گرافیکی برای پردازش‌های هوش مصنوعی شود. این فناوری با نام Tseltin معرفی شده و می‌تواند فرآیند آموزش مدل‌های هوش مصنوعی را تا 1000 برابر تسریع کرده و در مصرف انرژی نیز تا 10000 برابر صرفه‌جویی کند.

استارتاپ هوش مصنوعی iteral Labs قصد دارد فرآیند آموزش مدل‌های هوش مصنوعی با GPU را منسوخ کرده و به جای آن از ماشین Tseltin برای این کار استفاده کند که تا هزار برابر سریعتر بوده و تا 10 هزار برابر در مصرف انرژی صرفه جویی می‌کند.

Tsetlin-2.jpg

بر اساس اعلام techradar نام این ماشین به مایکل لووویچ تستلین، ریاضیدان شوروی اشاره دارد. Tseltin می‌تواند محاسبات پیچیده مانند طبقه بندی و رگرسیون را به راحتی پردازش کرده و نتایج قابل تفسیر را تولید کند.

برخلاف شبکه‌های عصبی، ماشین Tsetlin پیچیدگی محاسباتی کمتری داشته و در نتیجه انرژی کمتری مصرف می‌کند. شرکت Literal Labs که قبلاً با نام Mignon Technologies Ltd شناخته می‌شد، توسط پروفسور Alex Yakovlev و Rishad Shafik که هر دو از دانشگاه نیوکاسل بودند، تأسیس شد.

هدف این شرکت بر توسعه و آموزش مدل‌های ماشین Tsetlin با استفاده از داده‌های مشتریان متمرکز بوده و خروجی آن نیز یک مدل بهینه شده آموزش هوش مصنوعی است که می‌تواند روی سخت‌افزار هدف مستقر شود.

البته این مدل قادر به استقرار روی سخت‌افزارهای دیگر نیز بوده اما عملکرد آن روی دستگاه‌های ساخت Literal Labs تا چند برابر بهبود می‌یابد. از طرفی این شرکت به دنبال استخدام برخی از مدیران سابق ARM برای پیشبرد اهداف خود است.

هنوز دستاورد Literal Labs در زمینه آموزش مدل‌های هوش مصنوعی به صورت تجاری درنیامده اما انتظار می‌رود این شرکت همانند ARM به سراغ فروش مجوز IP نرم‌افزاری و سخت‌افزاری رفته یا طرح‌های خود در قالب تراشه‌ و چیپ‌لت در اختیار شرکت‌های سازنده تراشه قرار دهد. البته باید در نظر داشت که موفقیت این استارت آپ به اثبات کارایی ماشین‌های Tsetlin در انجام وظایف مختلف بستگی دارد.

منبع: https://www.shahrsakhtafzar.com/fa/news/49873-up-to-1000x-faster-ai-startup-wants-to-make-gpu-training

0