پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشگاه تهران از طرح نوآورانه‌ای به نام «ARTS» رونمایی کردند که می‌تواند به‌طور چشمگیری کارایی سخت‌افزارهای مورد استفاده در هوش مصنوعی را ارتقا دهد. این فناوری در پاسخ به یکی از بزرگ‌ترین چالش‌های پیش روی پیاده‌سازی محاسبات هوش مصنوعی در عمل یعنی نیاز به سخت‌افزار سریع، کم‌مصرف و کم‌حجم توسعه یافته است.

سرپرست این طرح، شقایق وحدت، توضیح داده است که با گسترش استفاده از هوش مصنوعی در حوزه‌های متنوعی از گوشی‌‌های هوشمند تا سیستم‌های پزشکی، مسئله توان مصرفی، تأخیر پردازشی و حجم تراشه‌ها اهمیت زیادی پیدا کرده است. ضرب‌کننده‌ها که بخش حیاتی محاسبات در شبکه‌های عصبی و الگوریتم‌های یادگیری ماشین محسوب می‌شوند، معمولاً بخش اعظم توان و فضا را در سخت‌افزار اشغال می‌کنند. بنابراین بهینه‌سازی آنها می‌تواند راهگشای طراحی سخت‌افزارهای بهتر باشد.

روش طراحی ARTS مبتنی بر تقسیم‌کردن عملوندها به بخش‌های کوچک و ساده و سپس جمع کردن تقریبی حاصل‌ضرب‌های جزئی با استفاده از الگوریتم‌های درختی است. این رویکرد باعث می‌شود محاسبات سنگین ضرب که در بسیاری از عملیات هوش مصنوعی تکرار می‌شوند، با سادگی، سرعت و مصرف انرژی کمتر انجام شوند.

نتایج آزمایش‌های انجام‌شده روی این ساختار نشان می‌دهد که ARTS در مقایسه با ضرب‌کننده‌های دقیق سنتی تا حدود ۶۸ درصد کاهش در مصرف توان انرژی، ۱۶.۵ درصد کاهش تأخیر پردازشی و حدود ۶۰ درصد کاهش در مساحت تراشه ایجاد می‌کند. همچنین در قیاس با دیگر طراحی‌های تقریبی پیشرفته، بهبودهای قابل توجهی در کارایی مشاهده شده است.

در کاربردهای واقعی پردازش تصویر، مانند ضرب ماتریس و آشکارسازی لبه‌ها که در بینایی کامپیوتر بسیار رایج است، ARTS افزایش چشمگیری در کیفیت تصویر بر اساس معیارهای استاندارد داشته و نسبت به طرح‌های مشابه عملکرد بسیار بهتری در حفظ ساختار و وضوح تصویر ارائه کرده است. همچنین در کاربرد شبکه‌های عصبی عمیق، این ضرب‌کننده تقریبی دقت بالاتری نسبت به دیگر نمونه‌های مشابه نشان داده است.

اهمیت این طرح تنها به عملکرد سخت‌افزاری خلاصه نمی‌شود؛ پژوهشگران تاکید می‌کنند که ARTS در عین کاهش شدید منابع مصرفی، دقت عملیاتی قابل قبولی حفظ می‌کند که آن را برای به‌کارگیری در سامانه‌های کم‌مصرف و سریع از جمله دستگاه‌های مبتنی بر اینترنت اشیا، تلفن‌های هوشمند و شتاب‌دهنده‌های اختصاصی هوش مصنوعی مناسب می‌سازد.

توسعه این فناوری با همکاری گروهی از دانشجویان و مهندسان جوان دانشگاه انجام شده و نشان می‌دهد که ترکیب نظریه‌های نوین محاسبات تقریبی با مهندسی سخت‌افزار می‌تواند چشم‌انداز روشنی برای طراحی تراشه‌های هوشمند در آینده باز کند.

پژوهشگران معتقدند که ARTS تازه شروع راه است و با بهینه‌سازی‌های بیشتر می‌تواند نقش مهمی در بومی‌سازی و پیشرفت فناوری‌های سخت‌افزاری هوش مصنوعی در کشور ایفا کند؛ موضوعی که در سال‌های اخیر به‌عنوان یکی از اولویت‌های علمی و صنعتی مطرح بوده است.

برای مشاهده جدیدترین اخبار ، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.