گوگل با عرضهی پلتفرم سختافزاری و نرمافزاری کورال به کاربران سازمانی و فردی امکان توسعهی محصولات خود را میدهد.
هوش مصنوعی به ماشینها اجازه میدهد کل وظایف انسانی را به تنهایی انجام دهند. نیاز به راهاندازی کنترل کیفی در خط تولید کارخانه دارید؟ یا نیاز به تنظیم دوربین مجهز به هوش مصنوعی برای ردیابی نواقص دارید. دربارهی تفسیر دادههای پزشکی چه فکر میکنید؟ یادگیری ماشین میتواند بر اساس اسکن، به شناسایی تومورهای احتمالی و پرچمگذاری آنها برای پزشک بپردازد.
برنامههای یادشده تا زمانی مفید هستند که ایمن و سریع باشند. یک دوربین هوش مصنوعی که برای پردازش تصاویر به چند دقیقه زمان نیاز دارد، برای محیط کارخانه مفید نیست و هیچ بیماری نمیخواهد با ریسک افشای دادههای پزشکی خود در کلود روبهرو شود. تمام موارد فوق از مشکلاتی هستند که گوگل با برنامهای به نام Coral، برای حل آنها تلاش میکند. به گفتهی ویکرام تانک، مدیر محصول کورال:
دادههای دستگاههای هوش مصنوعی به نمونههای محاسباتی بزرگ مستقر در مراکز دادهای متمرکز ارسال میشوند. در این مراکز مدلهای یادگیری ماشین با سرعت بالایی عمل میکنند. Coral، پلتفرمی شامل مؤلفههای سختافزاری و نرمافزاری گوگل است که به ساخت دستگاههای مجهز به هوش مصنوعی کمک میکند. یکی از مزایایی این پلتفرم، افزایش سرعت سختافزاری شبکههای عصبی است.
محصولات Coral، مانند بورد توسعه برای ساخت نمونهی اولیهی دستگاههای جدید AI کاربرد دارند.
شاید قبلا نام کورال را نشنیده باشید (این محصول، در اکتبر گذشته از حالت بتا خارج شد). کورال، قسمتی از حوزهی روبهرشد هوش مصنوعی است. طبق پیشبینی تحلیلگران بازار، در سال ۲۰۲۰، بیش از ۷۵۰ میلیون تراشه و کامپیوتر هوش مصنوعی به فروش خواهند رفت و این رقم تا سال ۲۰۲۴ به ۱.۵ میلیارد خواهد رسید. با اینکه اغلب تراشههای هوش مصنوعی روی دستگاههای کاربری مثل تلفنهای همراه نصب میشوند، میتوان از این تجهیزات برای مشتریان سازمانی و صنایعی مثل خودرو و بهداشت و درمان هم استفاده کرد.
کورال برای رفع نیازهای مشتری دو محصول اصلی را پیشنهاد میکند: تسریعکننده و بوردهای توسعه که برای نمونهسازی اولیهی ایدههای جدید به کار میروند و ماژولهایی که با تقویت مغزهای تولید AI به تولید دستگاههایی مثل سنسورها و دوربینهای هوشمند کمک میکنند. در هر دو نمونه، Edge TPU گوگل، قلب سختافزاری است. Edge TPU، تراشهای از نوع ASIC است که برای اجرای الگوریتمهای سبک یادگیری ماشین طراحی شده است(برادر کوچکتر water cooled TPU که در سرورهای ابری گوگل کاربرد دارد).
با اینکه مهندسان میتوانند از سختافزار کورال برای ساخت پروژههای سرگرمکننده استفاده کنند (برای مثال، کورال راهنماهایی برای روش ساخت ماشین مرتبسازی شیرینی و تغذیهی هوشمند پرندگان ارائه میکند)، تمرکز بلندمدت این سختافزار بر مشتریان سازمانی در صنایعی مثل خودروسازی و بهداشت و درمان است. به عنوان نمونه، سناریوی خودروی خودرانی را در نظر بگیرید که از بینایی ماشین برای شناسایی اشیای داخل خیابان استفاده میکند. به گفته تانک:
«خودرویی با سرعت ۱۰۰ کیلومتر بر ساعت، تقریبا ۳ متر را در ۱۰۰ میلیثانیه طی میکند؛ بنابراین هر تأخیر در پردازش بر اثر اتصال کند موبایل، ریسک خطر را افزایش میدهد.» در چنین شرایطی، منطقی است بهجای انتظار برای اتصال کند و یافتن علامت ایست یا چراغ راهنما، تحلیلها بهصورت آنی توسط خود دستگاه انجام شوند. تانک به مزایای مشابهی در حوزهی حریم خصوصی اشاره میکند:
فرض کنید تولیدکنندهی دستگاههای پزشکی بخواهد با استفاده از فناوری تشخیص تصویر به تحلیل آنی تصاویر فراصوت بپردازد. ارسال تصاویر به کلود، اتصال را برای هکرها ضعیف میکند، اما پزشکان و بیماران با تحلیل تصاویر آنی در خود دستگاه، مطمئن میشوند که پردازش دادهها از کنترلشان خارج نمیشود.
Edge TPU گوگل، تراشهی پردازشی کوچکی برای هوش مصنوعی که در قلب اغلب محصولات کورال قرار دارد.
اگرچه سازمانها هدف اصلی کورال هستند، این پروژه ریشه در AIY گوگل، مجموعهی خودآموز یادگیری ماشین دارد. بستههای AIY که در سال ۲۰۱۷ تحت پشتیبانی کامپیوترهای رزبری پای عرضه شدند، به کاربرها اجازه میدهند اسپیکرها و دوربینهای هوشمند خود را بسازند. این پروژه موفقیت بزرگی در بازار اسباببازیهای STEM بود. تیم AIY بهسرعت متوجه شدند با اینکه برخی مشتریان صرفا بر اساس دستورالعملها به ساخت اسباببازی میپردازند، برخی دیگر میخواهند از سختافزار این پروژه برای نمونهسازی اولیهی دستگاههای خود استفاده کنند؛ بنابراین کورال برای رفع نیازهای این دسته از مشتریان به وجود آمد.
مشکل گوگل، وجود دهها شرکت با عملکرد مشابه کورال است. این شرکتها شامل طیف وسیعی از جمله استارتاپهایی مثل Xnor در سیاتل (تولیدکنندهی دوربینهای بهینهی AI که با توان خورشیدی کار میکنند) تا غولهای بزرگی مثل اینتل هستند که از اولین تسریعکنندهها USB در سال ۲۰۱۷ رونمایی کرد و در دسامبر گذشته، ۲ میلیارد دلار سرمایه به شرکت تولیدکنندهی تراشهی Habana Labs برای بهبود جدیدترین محصولات AI اختصاص داده است.
با وجود تعداد بالای رقبا، عامل تمایز کورال، یکپارچهسازی سختافزار با خدمات AI اکوسیستم گوگل است. این مجموعه محصول (شامل تراشه، آموزش کلود، ابزار توسعه)، نقطهی قوت کلیدی AI گوگل است. کورال از کتابخانهی مدلهای AI برخوردار است که بهصورت اختصاصی برای سختافزار آن کامپایل شدهاند همچنین دارای مجموعه خدمات AI روی Google Cloud است که با ماژولهای مستقل کورال مانند سنسورهای محیطی هماهنگ هستند.
کورال بهشدت با اکوسیستم هوش مصنوعی گوگل گره خورده است. سختافزار Edge TPU گوگل تنها با TensorFlow، فریم ورک یادگیری ماشین گوگل هماهنگ است. این ویژگی یکی از معیارهای محدودکننده در بازار روبهرشد هوش مصنوعی است. به گفتهی سخنگویی سازمان هوش مصنوعی Kneron:
محصولات کورال دارای پلتفرم اختصاصی هستند در حالی که محصولات ما از تمام فریمورکها و مدلهای عمدهی هوش مصنوعی موجود در بازار پشتیبانی میکنند» (به گفتهی Kneron هیچ نکتهی منفی در ارزیابی آنها وجود ندارد ورود گوگل به بازار هم خوشایند است زیرا محرک نوآوری در این محیط است).
امروز نمیتوان از عملکرد دقیق کورال سخن گفت. گوگل، بیشتر متمرکز بر سرویسهای ابری AI است و آمار فروش و اهداف خود را دربارهی کورال به اشتراک نمیگذارد. به نقل از منبعی آگاه، اغلب سفارشهای کورال برای واحدهای مستقل (برای مثال شتابدهندههای هوش مصنوعی یا بوردهای توسعه) هستند در حالی که تعداد کمی از مشتریان سفارش ۱۰ هزار واحدی دارند. دلیل جذابیت کورال برای گوگل، لزوما درآمدزایی نیست بلکه هدف اصلی این شرکت یادگیری بیشتر دربارهی عملکرد هوش مصنوعی است.
پاسخ ها