سوئیچ های یک مولکولی جهش در کامپیوترهای نوری

دانشمندان به دلایل کاملا شفافی خود را در زمینه الکترونیک نوری درگیر نموده‎اند: نور سریع‎تر از الکتریسیته حرکت می‎کند، و این به این معنا می باشد که می‎توان محاسبات را سریع‎تر انجام داد. به گفته Scientific American، کوچک‎تر شدن وسایل و قطعات نیز باعث افزایش بیشتر این سرعت می‎شود که برای سیستم‎هایی نظیر پنل‎های خورشیدی، سنسورهای نوری یا کاربردهای زیست پزشکی بسیار مفید و سودمند خواهد بود.

تلاش‎هایی که گذشته انجام شده برای ساخت این تجهیزات تک مولکولی نتایج مثبتی به همراه نداشته است، که از جمله می توان به سوئیچ‎هایی که در موقعیت روشن گیر می‎کردند و یا قادر نبودند توسط انواع مختلف نور فعال شوند. محققان دانشگاه پکینگ از مواد متفاوتی برای انجام این کار استفاده کرده‎اند که به یک سوئیچ اجازه می‎دهد با ثبات کامل  توسط نور در هر دو موقعیت باینری (صفر و یک) عمل کند.

سوئیچ های یک مولکولی جهش در کامپیوترهای نوری

این سوئیچ می‎تواند به مدت یک سال دوام داشته باشد که نسبت به تلاش‎های اولیه پیشرفت قابل ملاحظه‎ای محسوب می‎شود. ایان بالدیا از دانشگاه هایدلبرگ آلمان به Scientific American گفت که در بسیاری از موارد، ارتباطات مولکولی تنها برای لحظات، ساعات و در شرایط مطلوب برای چند روز باقی می‎مانند. اگرچه هنوز چند سالی باقی مانده تا ما بتوانیم شاهد حضور چنین سوئیچ‎هایی در قطعات تجاری باشیم، اما انجام چنین کارهایی گام بزرگی برای ساخت تجهیزات باثبات در مقیاس میکروسکوپی و ریز قطعات محسوب می‎شود.

چرا به پردازنده ۱۰۰۰ هسته ای نیاز داریم؟

چرا به پردازنده ۱۰۰۰ هسته ای نیاز داریم؟

در هفته جاری شاهد معرفی پردازنده‌ی بسیار کم مصرف با ۱۰۰۰ هسته‌ی پردازشی بودیم. اما پردازنده‌‌ی ۱۰۰۰ هسته‌ای در چه زمینه‌ای استفاده می‌شود و به چه دلیل باید تعداد زیادی هسته برای پردازنده داشته باشیم؟ با نتکو باشید.

قانون مور که بیان می‌کرد تعداد ترانزیستورها در پردازنده‌ها هر دو سال دو برابر می‌شود، چندان پایدار نبوده و تولیدکنندگان قادر نشدند که در مساحت یکسان، پردازنده‌هایی با دو برابر ترانزیستور بیشتر نسبت به ۲ سال قبل تولید کنند، حتی اگر این امکان وجود داشته باشد، افزایش ترانزیستورها به این معنی که افزایش دو برابری سرعت اجرای اپلیکیشن‌ها نخواهد بود. در این راستا برنامه‌نویسی معروفی به نام هرب ساتر، در یک مقاله‌ی مفصل در سال ۲۰۰۴ پیش‌بینی نمود که افزایش سرعت کلاک CPUها به حداکثر رسیده است و افزایش فرکانس نیز نمی‌تواند چندان در افزایش سرعت اجرای اپلیکیشن‌ها، موثر واقع گردد.

در عوض در دنیای GPUها یا پردازنده‌های گرافیکی، ترانزیستورها به جای اینکه تعداد محدودی هسته را تشکیل دهند، چندین هسته را تشکیل می‌دهند و پردازش موازی این هسته‌ها باعث شاهد رشد چشم‌گیر نسل‌های مختلف کارت‌های گرافیک نسبت به نسل‌های قبلی باشیم. به عنوان مثال در کارت گرافیک جدیدِ GeForce GTX 1080 از انویدیا شاهد بکارگیری ۲۵۶۰ هسته می باشیم که با فرکانس ۱۶۰۰ تا ۱۷۰۰ مگاهرتز کار می‌کنند. برنامه نویس‌ها و developerها نیز نرم‌افزارهایی ساخته‌اند که به بخش‌های کوچک تقسیم می‌شود تا توسط این GPUها پردازش شود. بازی‌ها یا نرم‌افزارهای علمی از این دسته هستند که عموما پردازش مربوط به آن‌ها توسط GPU انجام می‌شود.

چرا به پردازنده ۱۰۰۰ هسته ای نیاز داریم؟

اما در دنیای امروزی، اکثر نرم‌افزارها تنها با یک Thread اجرا می‌شوند و به همین دلیل است که تغییری در سرعت اجرای آن‌ها با یک پردازنده‌ی ۴ هسته‌ای و همان پردازنده با یک هسته وجود ندارد. قسمتی از این مشکل به دلیل ضعف نرم‌افزارها است که جوری برنامه نویسی نشده‌اند که از تمام توان پردازنده‌ها و هسته‌ها استفاده کنند. از طرفی برخی از دستورات نیز آنقدر پیچیده هستند که به راحتی نمی‌توان آن‌ها را به چندین بخش کوچک تبدیل کرد.

تبدیل ترانزیستورهای بیشتر به نرم‌افزارهای سریع‌تر، روز به روز سخت و دشوار می‌شود

با این حال، به احتمال زیاد در آینده، پردازنده‌ها به هسته‌های ضعیف‌تر اما بسیار بیشتر مجهز خواهند شد؛ چرا که سرعت پردازشِ پردازنده‌ها با روش فعلی به کندی افزایش می‌یابد و چاره‌ای جز اضافه کردن تعداد هسته‌ها نیست. به همین دلیل است که خبر ساخت پردازنده‌ی ۱۰۰۰ هسته‌ای مهم و خبرساز می‌شود.

معماری تراشه‌ها به نوعی عجیب و بسیار پیچیده است و اگر تعداد هسته‌ها را در پردازنده‌ها افزایش دهیم شاید مجبور شویم که کل ساختار کامپیوترها را تغییر دهیم. در پردازنده‌ها، هر کدام از هسته‌ها تقریبا فضای مستقل و جداگانه‌ی خود را دارند و هسته‌ها از طریق شبکه‌ی داخلی خود با یکدیگر ارتباط ساختاری برقرار می‌کنند. به همین دلیل است که کار برنامه‌نویس‌ها برای استفاده از تمام توان هسته‌ها دشوار می‌شود. در همین راستا ایده‌های مختلفی مطرح شده است که شاید جذاب‌ترین آن‌ها معماری KiloCore است که بکار گیری از ۶۴ هسته در پردازنده را ساده‌تر می‌کند. مهم‌ترین برگ برنده‌ی کیلوکور در مصرف بهینه‌ی انرژی است. تیم UC Davis بیان می کند که کیلوکور تا ۱۰۰ برابر مصرف بهینه‌تری از پردازنده‌ی لپ‌تاپ‌های مورد استفاده شده در حال حاضر را دارد. یک پردازنده با این معماری حتی با یک باتری قلمی نیز کار می‌کند.

در نتیجه برای آنکه شاهد پردازنده‌های قوی‌تر، سریع‌تر و کم‌مصرف‌تری باشیم احتمالا باید بدنبال طراحی CPUهای شبیه به GPU با هسته‌های زیاد باشیم. پردازنده‌هایی که تعداد هسته‌ی زیاد با فرکانس پایین‌تر دارند و قادر به پردازش موازی تعداد زیادی عملیات کوچک هستند. اما برای رسیدن به کامپیوترهای سازگار به این نوع پردازنده‌ها، راه پر و پیچ و خم و دشواری پیشِ رو است و باید تولیدکنندگان سخت‌افزار و نرم‌افزار عزم خود را جزم نمایند.

فناوری NFC

فناوری NFC

همیشه برقراری ارتباط بین تجهیزات دیجیتالی پیچیده نیست گاهی فقط کافیست اونها رو کنار هم قرار بدیدن. امروز با توجه به دستگاه های بیشتری که هر روز وارد بازار میشه، میخواهیم بیشتر راجع به مزایا و معایب این فناوری بگیم و اینکه این فناوری تا چه اندازه توی تجهیزات دیجیتالی امروزی، مصرف داشته.

NFCیه پروتکل است که برای انتقال با برد کوتاه در حد چند سانتیمتره، این پروتکل یه شکل پیشرفته تر از تکنولوژی RFID محسوب میشود. با این تفاوت که فناوری RFID  یک ارتباط یک طرفه می باشد، که در آن همیشه یک فرستنده که غالبا شبیه یک برچسب می باشد،که اطلاعات رو ارسال میکنه و یک دستگاه هم که نقش گیرنده رو ایفا میکند میتونه اطلاعات روی اون برچسب رو دریافت بکنه.

اما فناوری NFC میتونه یه ارتباط دو سویه باشه، یعنی فرستنده و گیرنده بسته به نیاز کاربر، میتونند نقش هاشون رو با هم عوض کنند.

هر دو فناوریNFC  و  RFIDبسیار به هم شبیه هستن ولی RFIDپیش از  NFC طراحی شده و به همین دلیل شهرت بیشتری نسبت به  NFCدارد.

طراحی این برچسب ها کار آن چنان دشواری نیست. مسیر انتقال هم، موج کوتاه رادیوی است.

در عین حال فرستنده به نحوی تنظیم میشود که اطلاعات اون توسط RFID readerیاNFC reader خونده بشه.در فناوری NFCبه تازگی برچسب هایی طراحی شدن که از میدان مغناطیس برای فعال سازی و ارسال اطلاعات استفاده میکنن.البته خیلی ها هم، فناوری NFC رو با بلوتوث مقایسه می کنن.ولی باید گفت هر کدوم از این فناوری ها کاربرد مخصوص خودشون رو دارن، و تفاوت زیادی بین اونها وجود داره.

ولی NFC کجاها کاربرد داره؟ و آیا فکر میکنید تا به امروز از این تکنولوژی  استفاده کردید یا نه؟

کاربردهای NFCبه سه دسته تقسیم میشه: اولانتقال اطلاعات: مثل زمانی که فایلی رو از یک گوشی به گوشی دیگه منتقل میکنیم.دوم هماهنگی: مثل زمانیکه اطلاعات شبکه ایکه بهش متصل هستیم رو عینا به گوشی یا دستگاه دیگه ای منتقل میکنیم.وسومداد و ستد:که به همه ی تراکنش های مالی مربوط به خرید و فروش اطلاق میشه.

بهتره کاربردهای NFCرو با چند مثال در زندگی روزمره بگیم. شما از مکانیزم آژیرهای ضد سرقت در فروشگاه ها مطلع هستید؟ خیلی از فروشگاه ها برای جلوگیری از سرقت کالاهاشون از همین فناوری استفاده میکنند.

تا حالا به گیره های متصل به اجناس فروشگاه ها توجه کردید؟ این گیره ها میتونه حاوی همون برچسب های RFID یا حتیNFCباشه.اگر پول کالایی که توسط مشتری انتخاب شده قبلا توی صندوق پرداخت نشده باشه این برچسب ها اطلاعات عدم خرید کالا توسط مشتری رو به دستگاه های آژیر فروشگاه ارسال میکنند.

شاید شما شاغل باشید و هر روز برای ورود به محل کاری تون از کارت های پرسنلی استفاده میکنید تا به حال به سیستم شناسایی این کارت ها دقت کردید ؟ برای شناسایی این کارت ها، معمولا باید اونها رو در فاصله ی چند سانتیمتری از دستگاه قرار داد . بعد از اینکه دستگاه اطلاعات هویتی صاحب کارت رو شناسایی کرد لحظه ی ورود و یا خروج در حافظه ی دستگاه ثبت میشه.معمولا این کارت ها هم میتونند از فناوری nfc استفاده میکنند.

اما سایر کاربردها چی میتونه باشه؟به طور کلی، از طریق این فناوری میشه هویت یک شخص یا جسم رو تشخیص داد!

حتی اگهی های استخدام هم میتونن مجهز به این سیستم باشن، کافیه متقاضی، گوشی تلفن خودش رو نزدیک اگهی استخدام ببره تا اطلاعاتش روی میکرو چیپ آگهی ثبت بشه، حالا کارفرما میتونه با توجه به اطلاعاتی که از افراد متقاضی به دست آورده، کارمند مورد نظر خودش رو انتخاب و با اون تماس بگیره.

یکی از کاربردهای این فناوری میتونه استفاده به عنوان کارت گارانتی باشه، با نصب برچسب های NFC میشه به راحتی زمان خرید و اطلاعات مشتری رو روی وسایل ثبت کردو مشتری میتونه با نزدیک کردن تلفن همراه خودش اطلاعات رو روی گوشی ببینه.

خوندن بروشور کالاهای مجهز به برچسب های NFC، باز و بسته کردن قفل ها فقط برای افراد مجاز ، ارسال کارت ویزیت و موارد اینچنین، میتونن همگی از کاربردهای این پروتکل باشن.ولی یکی از بحث های چالش برانگیز استفاده از این فناوری، زمانیکه صحبت از تراکنش های مالی میشه.

میتونیم به راحتی اطلاعات حساب بانکی رو به دستگاه همراهی که مجهز به NFC هست، منتقل کرد دیگه بعد از اون نیازی به کارتهای عابر بانکی نیست، کافیه که دستگاهتون رو که میتونه تلفن همراه، تبلت، دستگاه MP3 Playerویا حتی ساعت مچیتون باشه رو به NFC reader فروشگاه نزدیک کنید تا تراکنش های مالی، بعد از تشخیص هویت و اطلاعات بانکی مشتری ،با مجوز خریدار ،به راحتی صورت بگیره.

فناوری NFC

ولی چرا چالش بر انگیزه؟خوبهرجا که صحبت از مباحث مالی باشه، انگیزه ی افراد سودجو هم برای سو استفاده بالاتر میره! اینجاست که لازم میشه تا معایب و نقاط ضعف این فناوری بیشتر و دقیق تر بررسی بشه.یکی از بزرگترین اشکالاتی که میتونه برای این فناوری ایجاد بشه sniff(اسنیف) یا شنود غیر مجازه. یعنی افرادی بدون مجوز به اطلاعاتی که بین دو دستگاه رد و بدل میشه، دسترسی پیدا کنند و از اون بدتر میتونه،امکان تغییر این اطلاعات و ارسال اطلاعات ناسالم به گیرنده باشه.ولی اشکال دیگه ای که به راحتی ایجاد میشه تخریب و از بین بردن کامل سیگنالهای ارتباطیه این پروتکله. NFC forum اسم یهمجمعیه که توسعه این پروتکل و وضع استاندارهای اون رو به عهده داره.

و اما پاسخ این مجمع در مقابل نقاط ضعف این فناوری تا به امروز چی بوده؟

اعضای این مجمع معتقدند که حفظ امنیت در استفاده از این پروتکل، به عهده ی فردیه که از اون استفاده میکنه. ولی شاید بهتر این بود که از ابتدا، استفاده از استاندارد های انتقال اطلاعات، روی این پروتکل اعمال میشد و اطلاعات از کانال امنی منتقل میشدند.

در حال حاضر چنانچه از این فناوری در تراکنش های مالی استفاده بشه رمز گذاری باید از طرف بانک مقصد روی اطلاعات کارت NFC و تجهیزات دیجیتالیه مجهز به  NFC ی کاربر قرار گرفته باشه ، ولی چنانچه بانک ها این رمز نگاری رو روی اطلاعات مشتریان خودشون قرار نداده باشند به راحتی اطلاعات بانکی افراد مورد سودجویی قرار میگیرهو تازه باز هم باید امیدوار بود تا فروشندگان هم، از ارسال اطلاعات بصورت رمز شده استفاده کنند.خوب شاید بهتر بود این مجمع استاندارد رمز نگاری SSL رو از ابتدا خودش روی این پروتکل اعمال میکرد.

ولی درعین حال اعضای این مجمع اعلام میکنند که برد انتقال اطلاعات از طریق  NFC رو در حد چند سانتی متر کاهش داده اند. و معتقدند که کاهش فاصله در انتقال اطلاعات به کمتر از ۱۰ سانتی متر یک تمهید در برابر شنودهای غیرمجاز محسوب میشه.در حالی که با تجهیزات پیشرفته و تقویت کننده، امکان شنود برای افراد غیر مجاز در فاصله های دورتر هم امکان پذیره.

ولی در عین حال با توجه به معایب و محاسن این تکنولوژی، باید به این نکته اشاره کنیم که اغلب فروشنده ها تمایل زیادی دارند تا مشتریانشون از این تکنولوژی برای پرداخت های خودشون استفاده کنند.چرا که از این طریق میشه یه سری اطلاعات تبلیغاتی رو برای مشتری ارسال کرد و در عین حال سلایق خرید مشتری هم به راحتی ثبت میشه.

ولی دنیای دیجیتال آینده تا چه اندازه از این فناوری استقبال میکنه؟

هر روز شاهد گجت ها و ابزارهایی هستیم که از فناوری NFCبهره میبرند. به عنوان مثال شرکتی،ماوس کنترل از راه دوری رو با استفاده از این فناوری طراحی کرده به نحوی که برای معرفی ماوس به کامپیوتر تنها کافیه اون روروی کامپیوتر مجهز به nfc قرار بدید تا بلافاصله ماوس توسط کامپیوتر شناسایی بشه.

در همین رابطه پریزهای برقی مجهز به همین فناوری طراحی شده به نحوی که اگر شما بیرون از خانه مشغول شارژ دستگاه دیجیتالی خودتون باشید، هزینه ی استفاده از برق از حساب شما کسر میشه. روش کار هم چندان پیچیده نیست این پریز های با استفاده از nfcبه اطلاعات حساب بانکی مصرف کننده برق متصل شده و بنا به میزان استفاده ی کاربر، هزینه از حساب بانکی مشتری کسر میشه.

فناوری NFCتوی دنیای پرینترها هم نفوذ کرده، یک شرکت کره ای با پشتیبانی از همین فناوری تونستهپرینتر جیبی ای رو طراحی کنه.

به نحوی که کافیست عکس مورد نظر خودتان را بر روی گوشی تلفن همراه  خود انتخاب کنید و بعد از نزدیک کردن گوشی به پرینتر به آسانی  یک نسخه کاغذی از تصویر مورد نظرتان را میتوانید از پرینتر دریافت کنید.

با توجه به معایب و مزایایی که این تکنولوژی به همراه داره خیلی ها معتقدند که این پروتکل به شکل فعلی نمیتواند موفق باشد و تغییر در اون لازم و ضروری می باشد، ولی عده ای همچنان از طرفداران این تکنولوژی هستند و معایب اون را چندان پر اهمیت نمیدونند. و در حد قابل قبولی کامل می دانند.

محققان پردازنده هزار هسته‌ای ساختند!

حتما تاکنون نامی از پردازنده‌های ۱۰ یا ۱۲ یا ۱۸ هسته‌ای شنیده‌اید ولی مطمئنا این خبر برایتان تازگی دارد. موسسه تحقیقاتی UC Davis پردازنده‌ای به نام KiloCore توسعه داده است که دربردارنده هزار هسته محاسباتی است و بسیاری از وظایف و کارهای پردازشی را در کمتر از یک ثانیه انجام می‌دهد.

با این پردازنده می‌توان بسیاری از کارهای محاسباتی مانند رمزنگاری، محاسبات علمی خرد، انکدینگ ویدیوها را به طور موازی و در کمترین زمان ممکن تا کنون انجام داد. کارایی این پردازنده فوق‌العاده و چشم‌گیر است. شما می‌توانید ۱۱۵ میلیارد دستورالعمل را در یک ثانیه انجام دهید ولی فقط ۰.۷ وات مصرف انرژی داشته باشید. یعنی برای راه‌اندازی و اجرای این تراشه فقط به یک باتری قلمی AAA نیاز است. فعلا نباید منتظر تولید انبوه این محصول بود. این پردازنده با آزمایشگاه‌های IBM و در مقیاس ۳۲ نانومتری ساخته شده است در حالی که پردازنده‌های تجاری موجود در بازار از فناوری‌های ۱۴ نانومتری استفاده می‌کنند. بنابراین؛ محققان و توسعه‌دهنده‌گان KiloCore به دنبال روش‌هایی برای کوچک‌تر کردن این واجد محاسباتی هستند. چیزی که از دل این خبر بیرون می‌آید؛ چشم‌انداز سال‌های آینده است و اینکه شما روی دستگاه‌های همراهی مانند موبایل یک پردازنده با این سطح از کارایی داشته باشید و بتوانید چندین کار سنگین را سریع انجام دهید در حالی که مصرف باتری موبایل به کمترین حد ممکن خودش رسیده است.

منبع: www.netco.biz

گوگل پردازنده‌ای ویژه هوش مصنوعی ساخت

امروزه بیش از ۱۰۰ تیم حرفه‌ای در گوگل از یادگیری ماشینی در حوزه‌های مختلف و همچنین بهبود عملکرد برنامه‌های کاربردی محبوب استفاده می‌کنند. Street View، صندوق پستی و جستجوی صوتی همه این برنامه‌ها به لطف یادگیری ماشینی به بهترین شکل عمل می‌کنند. اما در پس زمینه این نرم‌افزارهای محبوب، سخت‌افزارهای گوگل قرار دارند که همانند خورشیدی می‌درخشند. اگر به فعالیت‌های سخت‌افزاری گوگل نگاهی داشته باشیم، به خوبی مشاهده می‌کنیم که این شرکت با ساخت سخت‌افزارهای ویژه مراکز داده‌اش، بیگانه نیست. اما خبر طراحی یک پردازنده خاص، موضوع دیگری است.

این پردازنده خاص منظوره غول اینترنتی، یک واحد پردازش تانسو است که در اصل یک تراشه سفارشی ویژه یادگیری ماشینی است. در حالی که در ظاهر چنین به نظر می‌رسد که این پردازنده با هدف افزایش دقت وظایف هوش مصنوعی طراحی شده است، اما این چنین نیست. گوگل در ساخت این تراشه تمرکزش بر محاسبات خام بوده است. در نتیجه سعی کرده است  مصرف انرژی این تراشه را به حداقل رسانده تا در یادگیری ماشینی عملکرد بهتری داشته باشد. اگر این پردازنده را به لحاظ مصرف انرژی با پردازنده‌های رایج بازار مورد بررسی قرار دهیم، مشاهده می‌کنیم که این پردازنده با همان مصرف انرژی سریع‌تر کار می‌کند.

پروژه‌ای که نزدیک به یک سال مستتر بود!

گوگل نزدیک به یک سال پیش در سکوت کامل خبری کار روی پروژه‌ای در ارتباط با شتاب‌دهندگی پیشرفته در برنامه‌های کاربردی را آغاز کرد. پروژه‌ای که بر مبنای یادگیری ماشینی عمل می‌کرد. ماحصل این پروژه گوگل یک واحد پردازشی تانسور TPU بود. یک ASIC سفارشی که به‌طور خاص برای یادگیری ماشینی طراحی شده بود. تراشه‌ای که به بهترین شکل با پروژه یادگیری ماشینی منبع باز TensorFlow یکپارچه شده است. گوگل با استفاده از این تراشه‌‌ که مصرف انرژی آن بهینه‌سازی شده است، بسیاری از کارها را مدیریت کرده و فرآیندهایی همچون بهبود کیفیت نقشه‌ها و افزایش ضریب اعتماد به آلفاگو که برای شرکت در مسابقه Go آماده شده بود را بهبود بخشید. این همان تراشه‌‌ای بود که گوگل در بازی Go برای شکست قهرمان کره‌ای از آن استفاده کرد. تقریبا یک سال است که گوگل از این تراشه‌ها در مراکز داده‌ای خودش استفاده می‌کند.

اما دو نکته جالب توجه در ارتباط با این تراشه‌ها وجود دارد. اول آن‌که معماری این تراشه‌ها به گونه‌ای است که از هر وات مصرفی برای یادگیری ماشینی به صورت بهینه‌سازی شده‌ای استفاده می‌کند. دوم آن‌که گوگل دقت این تراشه‌ها را کمی کاهش داده است. این کاهش دقت باعث شده است تا از تعداد ترانزیستورهای کمتری برای انجام عملیات استفاده شود. این ترکیب به گوگل این توانایی را داده است تا عملیات بیشتری را در هر ثانیه به درون سیلیکون‌ها وارد کرده و از مدل‌های یادگیری ماشینی قدرتمندتری استفاده کرده و این مدل‌ها را بسط دهد. ماحصل این فعالیت‌ها در غالب ارائه نتایج هوشمندانه‌ای که به سرعت در حال رشد هستند به کاربران نشان داده می‌شود.

گوگل در ارتباط با دستاوردهای این شرکت در حوزه محاسبات پیشرفته گفته است: «هدف ما این است که به عنوان رهبری در صنعت یادگیری ماشینی شناخته شویم و نوآوری‌هایی که در این زمینه به وجود می‌آوریم را در اختیار مصرف کنندگان خودمان قرار دهیم. ساخت تراشه‌های TPU که در زیرساخت‌های گوگل مورد استفاده قرار می‌گیرد به ما اجازه می‌دهد تا قدرت گوگل در حوزه نرم‌افزارهایی همچون تانسورفلو و یادگیری ماشینی ابری را همراه با قابلیت‌های شتاب‌بخشی پیشرفته در اختیار توسعه دهندگان خود قرار دهیم. یادگیری ماشینی در حال تغییر این رویکرد است که چگونه توسعه‌دهندگان توانایی ساخت برنامه‌های هوشمندی را دارند که مزایایی را هم برای مصرف کنندگان و هم برای مشتریان به وجود آورد. ما با اشتیاق دوست داریم، آینده‌ای را مشاهده کنیم که این امکانات به بهترین نحو در زندگی مردم وارد شده باشد.»

لازم به توضیح است که شما توانایی خرید این پردازنده‌ها را ندارید، اما به خوبی تاثیرگذاری آن‌را بر هوش مصنوعی و از همه مهم‌تر بر سرویس‌های گوگل مشاهده خواهید کرد.

===============================http://netco.biz