Coral، ابتکار هوش مصنوعی گوگل بدون نیاز به کلود
زوميت/ گوگل با عرضهي پلتفرم سختافزاري و نرمافزاري کورال به کاربران سازماني و فردي امکان توسعهي محصولات خود را ميدهد. در کانال آيتي و ™CanaleIT هم کلي عکس و ويدئوي دسته اول و جذاب داريم هوش مصنوعي به ماشينها اجازه ميدهد کل وظايف انساني را به تنهايي انجام دهند. نياز به راهاندازي کنترل کيفي در خط توليد کارخانه داريد؟ يا نياز به تنظيم دوربين مجهز به هوش مصنوعي براي رديابي نواقص داريد. دربارهي تفسير دادههاي پزشکي چه فکر ميکنيد؟ يادگيري ماشين ميتواند بر اساس اسکن، به شناسايي تومورهاي احتمالي و پرچمگذاري آنها براي پزشک بپردازد. برنامههاي يادشده تا زماني مفيد هستند که ايمن و سريع باشند. يک دوربين هوش مصنوعي که براي پردازش تصاوير به چند دقيقه زمان نياز دارد، براي محيط کارخانه مفيد نيست و هيچ بيماري نميخواهد با ريسک افشاي دادههاي پزشکي خود در کلود روبهرو شود. تمام موارد فوق از مشکلاتي هستند که گوگل با برنامهاي به نام Coral، براي حل آنها تلاش ميکند. به گفتهي ويکرام تانک، مدير محصول کورال: دادههاي دستگاههاي هوش مصنوعي به نمونههاي محاسباتي بزرگ مستقر در مراکز دادهاي متمرکز ارسال ميشوند. در اين مراکز مدلهاي يادگيري ماشين با سرعت بالايي عمل ميکنند. Coral، پلتفرمي شامل مؤلفههاي سختافزاري و نرمافزاري گوگل است که به ساخت دستگاههاي مجهز به هوش مصنوعي کمک ميکند. يکي از مزايايي اين پلتفرم، افزايش سرعت سختافزاري شبکههاي عصبي است. محصولات Coral، مانند بورد توسعه براي ساخت نمونهي اوليهي دستگاههاي جديد AI کاربرد دارند. شايد قبلا نام کورال را نشنيده باشيد (اين محصول، در اکتبر گذشته از حالت بتا خارج شد). کورال، قسمتي از حوزهي روبهرشد هوش مصنوعي است. طبق پيشبيني تحليلگران بازار، در سال ۲۰۲۰، بيش از ۷۵۰ ميليون تراشه و کامپيوتر هوش مصنوعي به فروش خواهند رفت و اين رقم تا سال ۲۰۲۴ به ۱.۵ ميليارد خواهد رسيد. با اينکه اغلب تراشههاي هوش مصنوعي روي دستگاههاي کاربري مثل تلفنهاي همراه نصب ميشوند، ميتوان از اين تجهيزات براي مشتريان سازماني و صنايعي مثل خودرو و بهداشت و درمان هم استفاده کرد. کورال براي رفع نيازهاي مشتري دو محصول اصلي را پيشنهاد ميکند: تسريعکننده و بوردهاي توسعه که براي نمونهسازي اوليهي ايدههاي جديد به کار ميروند و ماژولهايي که با تقويت مغزهاي توليد AI به توليد دستگاههايي مثل سنسورها و دوربينهاي هوشمند کمک ميکنند. در هر دو نمونه، Edge TPU گوگل، قلب سختافزاري است. Edge TPU، تراشهاي از نوع ASIC است که براي اجراي الگوريتمهاي سبک يادگيري ماشين طراحي شده است(برادر کوچکتر water cooled TPU که در سرورهاي ابري گوگل کاربرد دارد). با اينکه مهندسان ميتوانند از سختافزار کورال براي ساخت پروژههاي سرگرمکننده استفاده کنند (براي مثال، کورال راهنماهايي براي روش ساخت ماشين مرتبسازي شيريني و تغذيهي هوشمند پرندگان ارائه ميکند)، تمرکز بلندمدت اين سختافزار بر مشتريان سازماني در صنايعي مثل خودروسازي و بهداشت و درمان است. به عنوان نمونه، سناريوي خودروي خودراني را در نظر بگيريد که از بينايي ماشين براي شناسايي اشياي داخل خيابان استفاده ميکند. به گفته تانک: «خودرويي با سرعت ۱۰۰ کيلومتر بر ساعت، تقريبا ۳ متر را در ۱۰۰ ميليثانيه طي ميکند؛ بنابراين هر تأخير در پردازش بر اثر اتصال کند موبايل، ريسک خطر را افزايش ميدهد.» در چنين شرايطي، منطقي است بهجاي انتظار براي اتصال کند و يافتن علامت ايست يا چراغ راهنما، تحليلها بهصورت آني توسط خود دستگاه انجام شوند. تانک به مزاياي مشابهي در حوزهي حريم خصوصي اشاره ميکند: فرض کنيد توليدکنندهي دستگاههاي پزشکي بخواهد با استفاده از فناوري تشخيص تصوير به تحليل آني تصاوير فراصوت بپردازد. ارسال تصاوير به کلود، اتصال را براي هکرها ضعيف ميکند، اما پزشکان و بيماران با تحليل تصاوير آني در خود دستگاه، مطمئن ميشوند که پردازش دادهها از کنترلشان خارج نميشود. Edge TPU گوگل، تراشهي پردازشي کوچکي براي هوش مصنوعي که در قلب اغلب محصولات کورال قرار دارد. اگرچه سازمانها هدف اصلي کورال هستند، اين پروژه ريشه در AIY گوگل، مجموعهي خودآموز يادگيري ماشين دارد. بستههاي AIY که در سال ۲۰۱۷ تحت پشتيباني کامپيوترهاي رزبري پاي عرضه شدند، به کاربرها اجازه ميدهند اسپيکرها و دوربينهاي هوشمند خود را بسازند. اين پروژه موفقيت بزرگي در بازار اسباببازيهاي STEM بود. تيم AIY بهسرعت متوجه شدند با اينکه برخي مشتريان صرفا بر اساس دستورالعملها به ساخت اسباببازي ميپردازند، برخي ديگر ميخواهند از سختافزار اين پروژه براي نمونهسازي اوليهي دستگاههاي خود استفاده کنند؛ بنابراين کورال براي رفع نيازهاي اين دسته از مشتريان به وجود آمد. با پلتفرم کورال ميتوان نمونهي اوليهي محصولات سختافزاري را ساخت مشکل گوگل، وجود دهها شرکت با عملکرد مشابه کورال است. اين شرکتها شامل طيف وسيعي از جمله استارتاپهايي مثل Xnor در سياتل (توليدکنندهي دوربينهاي بهينهي AI که با توان خورشيدي کار ميکنند) تا غولهاي بزرگي مثل اينتل هستند که از اولين تسريعکنندهها USB در سال ۲۰۱۷ رونمايي کرد و در دسامبر گذشته، ۲ ميليارد دلار سرمايه به شرکت توليدکنندهي تراشهي Habana Labs براي بهبود جديدترين محصولات AI اختصاص داده است. با وجود تعداد بالاي رقبا، عامل تمايز کورال، يکپارچهسازي سختافزار با خدمات AI اکوسيستم گوگل است. اين مجموعه محصول (شامل تراشه، آموزش کلود، ابزار توسعه)، نقطهي قوت کليدي AI گوگل است. کورال از کتابخانهي مدلهاي AI برخوردار است که بهصورت اختصاصي براي سختافزار آن کامپايل شدهاند همچنين داراي مجموعه خدمات AI روي Google Cloud است که با ماژولهاي مستقل کورال مانند سنسورهاي محيطي هماهنگ هستند. کورال بهشدت با اکوسيستم هوش مصنوعي گوگل گره خورده است. سختافزار Edge TPU گوگل تنها با TensorFlow، فريم ورک يادگيري ماشين گوگل هماهنگ است. اين ويژگي يکي از معيارهاي محدودکننده در بازار روبهرشد هوش مصنوعي است. به گفتهي سخنگويي سازمان هوش مصنوعي Kneron: محصولات کورال داراي پلتفرم اختصاصي هستند در حالي که محصولات ما از تمام فريمورکها و مدلهاي عمدهي هوش مصنوعي موجود در بازار پشتيباني ميکنند» (به گفتهي Kneron هيچ نکتهي منفي در ارزيابي آنها وجود ندارد ورود گوگل به بازار هم خوشايند است زيرا محرک نوآوري در اين محيط است). امروز نميتوان از عملکرد دقيق کورال سخن گفت. گوگل، بيشتر متمرکز بر سرويسهاي ابري AI است و آمار فروش و اهداف خود را دربارهي کورال به اشتراک نميگذارد. به نقل از منبعي آگاه، اغلب سفارشهاي کورال براي واحدهاي مستقل (براي مثال شتابدهندههاي هوش مصنوعي يا بوردهاي توسعه) هستند در حالي که تعداد کمي از مشتريان سفارش ۱۰ هزار واحدي دارند. دليل جذابيت کورال براي گوگل، لزوما درآمدزايي نيست بلکه هدف اصلي اين شرکت يادگيري بيشتر دربارهي عملکرد هوش مصنوعي است.