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

نوآوری کلیدی تکنولوژی در سال۲۰۱۶

نوآوری کلیدی تکنولوژی در سال۲۰۱۶

سال ۲۰۱۶ همراه با چشم اندازهایی جدید در زمینه سخت افزارهای محیط های کسب و کار متوسط همراه گردیده است. طبق بررسیهای IDC، سخت افزار بزرگترین بخش از بازار در سال ۲۰۱۶ باقی خواهد ماند و نزدیک به ۴۰ درصد از تمام هزینه های IT به سمت دستگاه های، زیرساخت ها و سایر سخت افزار خواهد بود. آخرین زمانی که قابلیت های فنی کسب و کار خود را بررسی نموده اید، کی بوده است؟ آیا کارکنان شما از وجود فن آوری های قدیمی، عدم دسترسی و یا محدودیت های ذخیره سازی داده شکایت مینمایند؟ زمان آن رسیده تا فن آوری های نوآورانه ای که منجر به پیشرفت کسب و کار شما میشوند را درنظر بگیرید. در اینجا نگاهی به سه حوزه زیرساخت کلیدی که بسیاری از سازمان های متوسط قصد استقرار آن را پیش رو دارند، میندازیم:

 شبکه های مجازی

برای کسب و کارهای متوسط، مجازی سازی سرور به طور فزاینده ای رایج گردیده است. این سازمان ها ممکن است در معرض تنگناهای داده قرار گرفته و ذخیره سازی مجازی را نیز اضافه نمایند. در حال حاضر، فاز آتی شبکه، مجازی سازی میباشد. سال ۲۰۱۶، سال بزرگ شکل گیری مجازی سازی و شبکه نرم افزار تعریف شده (SDN) است. در حالی که SDN از لحاظ فنی یک سخت افزار ارتقاء پذیر نیست، تفکر بر قابلیت های سخت افزاری شما برای این موضوع حائز اهمیت میباشد. با آماده سازی اساس تکنولوژی خودتان ، به طور کامل می توانید SDN یا مجازی سازی را ادغام، از مزایای آن استفاده کنید و کسب و کار خود را بدون هیچ گونه نگرانی در مورد از کار افتادگی فعال سازید. مزیت مرکز SDN پیرامون حوزه همگرایی میباشد. عناصر شبکه (به عنوان مثال، سوئیچ ها، فایروال ها، روتر، و غیره) همانند محاسبات و ذخیره سازی مجازی، به صورت یک فرآیند ساده مدیریت شبکه به نظر میایند. علاوه بر این، توانایی تهیه و تنظیم آسان منابع شبکه برای قوی تر شدن مقیاس شبکه فراهم میاید. سخت افزارهای مورد نیاز چه هستند و چه چیزهایی برای پشتیبانی از تراکنش ها مورد نیاز است؟ به عنوان مدیر فناوری اطلاعات، شما باید تفکیک منطقی توابع شبکه معمولی را تهیه نمایید. سوئیچ ها و روتر باید به صورت متمرکز بر روی پردازش بسته پیکربندی شود، در حالی که مسیر واقعی شبکه باید بر روی SDN باقی بماند.

اینترنت اشیا

IoT به اینترنت اشیاء اطلاق میشود و هنوز در مراحل اولیه رشد است، اما کسب و کارها تا حد زیادی می توانند از این فناوری جوان بهره مند شوند. مهمترین مزیت این روش تاثیر اطلاعات با ارزش است. با بهره گیری از اتصال دستگاه های مشتریان و نهادهای کسب و کار به طور یکسان، منابع جدیدی از داده به دست میاید، که می تواند به فرصتی ارزشمند از اطلاعات تبدیل گردد. به عنوان مثال، ماشین های فروش می تواند با یک سیم کارت نصب شده اطلاعات فروش را به دفتر ارسال نمایند، که این یک فرایند خودکار خستگی ناپذیر است. جمع آوری این داده ها بسته به ترافیک مصرفی می تواند برای پیش بینی زمان آتی تهیه یک ماشین جدید کمک نماید. علاوه بر این، اینترنت اشیا (IOT) را می توان اهرمی برای افزایش بهره وری رو به جلو کسب و کار از طریق بازاریابی در زمان واقعی، بهینه سازی فرآیند و کاهش مصرف در نظر گرفت. محصولات اینترنت اشیا به طور مستقل می توانند در جمع آوری داده از کاربران و مشتریان، از جمله چگونگی و زمان استفاده از محصول به کار برده شوند. با نظارت بر خریداران و آن چه که مورد نیاز آنهاست، بازاریابان بهتر می توانند بر روی ارسال تقاضا، پیام های منحصر به فرد به مشتریان، بهبود بازاریابی داخلی و تجربه مشتری تعیین هدف نمایند. اگر کسب و کار شما به مزایای استفاده از اینترنت اشیا توجه دارد و بر روی یکپارچه سازی برخی از فن آوری جدید در آینده نزدیک برنامه ریزی مینماید، شرکت خود را برای هجوم دستگاه های جدید با به روز رسانی سخت افزار فعلی و زیرساخت های شبکه، محاسبات و ذخیره سازی بالاتر و سطح پردازش داده ها بیشتر آماده نمایید.

ذخیره سازی مبتنی بر فلش

کسب و کار شما به لطف چند عامل کلیدی ممکن است سال ۲۰۱۶ را به عنوان زمانی مناسب برای ارتقاء ذخیره سازی مبتنی بر فلش در نظر بگیرد. اول اینکه قیمت فلش در حال کاهش است، که به این معنیست که فلش ها در حال حاضر برای تمام کسب و کار ها مقرون به صرفه میباشند. علاوه بر این، افزایش نیاز به پردازش داده ها با عملکرد بالا به احتمال زیاد منجر به رشد آن میشود. رشد اطلاعات کسب و کار و نیاز به راه حل های ذخیره سازی با کارایی بالا، منجر به ارایه گزینه های امیدوار کننده ای برای کسانی که به دنبال این تصمیم در این سال هستند گردیده است. با در دسترس قرار داشتن راه حل های ذخیره سازی، کسب و کارها می توانند سرعت و عملکرد فلش را به همراه طول عمر دیسک داشته باشند. بهتر از همه اینکه، ارتقاء به ذخیره سازی مبتنی بر فلش تقریبا هیچ خللی در ترکیب با سایر تکنیک های موجود در ذخیره سازی و سخت افزار فعلی ایجاد نمی نماید و به کسب و کار شما اجازه اجرا در سطح مطلوب را می دهد. با یکپارچه سازی فن آوری ذخیره سازی زیرساخت های خود، سازمان شما می تواند یک فلش را مانند هر دستگاه ذخیره سازی دیگر به عنوان هدف معرفی نماید. کسب و کارها میبایست به دقت وظایف پردازش اطلاعات ارسالی به این فلشها را اولویت بندی نمایند. قبل از ادغام، داده ها را با توجه به آنچه می خواهید در فلش ذخیره نمایید با توجه به این پرسش های مهم مرتب نمایید:

• کدام برنامه ها بزرگترین فایلها را تولید مینمایند؟
• داده هایی که قصد ذخیره سازی دارید چه زمان تولیدی دارند و یا تا چه حد مرتبط هستند؟
• چه مقدار از داده ها کپی شده و یا قدیمی هستند؟
• چه داده هایی حساس و نیاز به رمزگذاری دارند؟
• با چه سرعت و از چه مکانی نیاز به دسترسی به داده ها دارید ؟

اگر در این سال به دنبال ارتقاء سخت افزاری فعلی کسب و کار خود هستید، این سه فن آوری نوین را برای سازمان متوسط خود در نظر بگیرید و شروع به برنامه ریزی کنید که چگونه شما می توانید این روش ها را بدون اختلال در روند کسب و کار ادغام نمایید. با به روز بودن با آخرین تغییرات، گوش فرا دادن به نگرانی های کارمندان، و انجام یک ارزیابی دقیق از فرآیندهای کسب و کار، با دقت و به طور موثر می توانید به بهبود عملیات که در آن حداکثر سرعت و حداقل وقفه انجام میگیرد، بپردازید.

برترین های  نتکو را در اینجادنبال کنید…

معرفی روتر های سیسکو

در میان محصولات شبکه ، Cisco آشناترین و محبوبترین نام را دارد. محصولات Cisco معمولا” بهترین و مطمئن ترین ابزارهای شبکه هستند. با داشتن یک روتر Cisco بعید است مدیر یک شبکه در حل مسائل و مشکلات خود به بن بست برسد. چرا که Cisco برای هر مسئله ای راه حلی را پیشنهاد کرده است.

ما در اینجا تنها مقداری درباره روترهای Cisco بحث می کنیم و وارد سایر محصولات Cisco نمی شویم.

بدیهی است پرداختن به جزئیات کامل روترهای Cisco نیز امکان پذیر نیست. برای آگاهی کامل از محصولات و هر یک از تجهیزات Cisco می توانید به سایت cisco.com مراجعه نمایید.

امروزه استفاده از روترهای Cisco به منظور برقراری ارتباط کاربران با ISP از جمله رایج ترین روشهای موجود است. علاوه بر این روترهای Cisco می توانند به منظورهای مختلفی نظیر Firewall , Routing , VoIP , … مورد استفاده قرار گیرند.

روترهای Cisco دارای مدلهای مختلفی بوده که برخی از آنها به اختصار عبارتند از :

Cisco 2511 :

این مدل دارای ۱ ماژول Ethernet می باشد.

ــ برای اتصال خط Leased دارای پورت سریال Onboard است.

ــ مــیزان Ram آن۴ الی ۸ مــگابایت می باشد و امکان افزایش را نیز داراست.

ــ میزان Flash آن۸ الی ۱۶ مگابایت بوده و امکان تعویض یا افزایش را نیز داراست.

ــ ماژول نمی توان به آن اضافه کرد. اما می توان ۲ پورت سریال برای اتصال خط Leased یا E1/T1 به آن اضافه کرد.

ــ سرعت Ethernet آن ۱۰ Mb/s می باشد.

Cisco 26XX :

ــ این مدل دارای ۱ پورت یا ۲ پورت Ethernet می باشد.

ــ بــرای اتــصــال خــط Leased به کارت سریال WIC1T یا WIC2T نیاز است.

ــ میزان Ram آن حداقل ۱۶ و حداکثر ۲۵۶ مگابایت می باشد.

ــ میزان Flash آن حـــداقل ۸ و حـــداکثر ۱۲۸ مگابایت می باشد.

ــ حداکثر ۱ ماژول می توان به آن اضافه کرد.

ــ حداکثر ۲ کارت WIC می توان به آن اضافه کرد.

ــ سرعت Ethernet آن ۱۰۰/۱۰ یا۱۰ می باشد.

Cisco 36XX :

ــ این مدل دارای ۱ پورت یا ۲ پورت Ethernet می باشد.

ــ برای اتصال خط Leased به آن به ماژول NM-1FE2W و کارت سریال WIC1T یا WIC2T نیاز است

ــ مــیزان Ram آن ۳۲ مــی باشــد و امــکان افــزایش را نیز داراست.

ــ میزان Flash آن ۸ بوده و امکان تعویض یا افزایش را نیز داراست.

ــ حداکثر ۶ ماژول می توان به آن اضافه کرد.

ــ سرعت Ethernet آن ۱۰۰ می باشد.

Cisco 5300 :

ــ این مدل Router نبوده و فقط Access Server می باشد.

ــ دارای ۲ پورت Ethernet است. یکی با سرعت ۱۰ و دیگری با سرعت ۱۰۰ است.

ــ خط Leased نمی توان به آن اضافه کرد.

ــ میزان Ram آن ۶۴ می باشد و امکان افزایش را نیز داراست.

ــ میزان Flash آن ۱۶ بوده و امکان تعویض یا افزایش را نیز داراست.

ــ حداکثر ۳ ماژول می توان به آن اضافه کرد.

ــ حداکثر ۴ خط E1 می توان به آن اضافه کرد. (برای ۱۲۰ خط VoIP همزمان)

Cisco 5350 :

ــ این مدل دارای ۲ پورت Ethernet با سرعت ۱۰/۱۰۰ می باشد.

ــ حداکثر ۷ خط E1 می توان به آن اضافه کرد.

ــ دارای دو سریال پورت Onboard است که از آن می توان برای اتصال خط Leased استفاده کرد.

ــ میزان Ram آن ۱۲۸ مگابایت می باشد و امکان افزایش را نیز داراست.

ــ میزان Flash آن ۳۲ مگابایت بوده و امکان تعویض یا افزایش را نیز داراست.

ــ حداکثر ۳ ماژول می توان به آن اضافه کرد.

ــ حداکثر ۷ خط E1 می توان به آن اضافه کرد.

Cisco 1750 :

ــ این مدل دارای ۱ ماژول Ethernet می باشد.

ــ به این مدل می توان ۲ کارت WAN اضافه کرد.

ــ مورد استفاده آن فقط به منظور Voice Gateway است.

ــ برای اتصال خط Leased به آن باید ماژول WIC به آن اضافه کرد.

ــ میزان Ram آن۱۶ مگابایت می باشد و امکان افزایش را نیز داراست.

ــ میزان Flash آن ۴ مگابایت بوده و امکان تعویض یا افزایش را نیز داراست.

ــ با استفاده از کارتهای VIC-2FXO می توان از حداکثر ۴ خط به منظور VoIP استفاده کرد.

ــ ماژول نمی توان به آن اضافه کرد.

ــ سرعت Ethernet آن۱۰/۱۰۰ می باشد.

Cisco Vg200 :

ــ این مدل دارای ۱ ماژول Ethernet می باشد.

ــ مورد استفاده آن فقط به منظور Voice Gateway است.

ــ اتصال خط Leased به آن ممکن نیست.

ــ میزان Ram آن۱۶مگابایت می باشد و امکان افزایش را نیز داراست.

ــ میزان Flash آن ۴مگابایت بوده و امکان تعویض یا افزایش را نیز داراست.

ــ حداکثر ۱ ماژول می توان به آن اضافه کرد.

ــ سرعت Ethernet آن ۱۰۰/۱۰ می باشد.

همانگونه که گفته شد روترهای Cisco نسبت به سایر روترها قابلیت انعطاف پذیری بیشتری داشته و ماژول های مختلفی می توان بر روی آنها نصب کرد و به منظورهای مختلف از آنها استفاده نمود. از میان انواع ماژولهایی که می توان بر روی روترهای Cisco نصب کرد می توان به موارد زیر اشاره کرد :

NM16AM : ماژول Data برای ۱۶ خط تلفن به همراه ۱۶ مودم Internal با سرعت ۵۶Kb/s می باشد.

NM32A : ماژول Data برای ۳۲ خط تلفن بدون مودم Internal می باشد. اگر از این ماژول استفاده شود باید ۳۲ مودم External به روتر وصل شود.

NM16A : ماژول Data برای ۱۶ خط تلفن بدون مودم Internal می باشد. اگر از این ماژول استفاده شود باید ۱۶ مودم External به روتر وصل شود.

NM-HDV-2E1 : بوسیله این ماژول ۲ خط E1 را می توان به روتر متصل کرد.

کامپیوتر جدید اچ پی مثل مغز انسان عمل می‌کند

شرکت اچ‌پی نمونه اولیه از رایانه‌ای را طراحی کرده که می‌تواند همانند مغز انسان برای انجام محاسبات عمل کند. این محصول بر اساس ساختار جدیدی تولید شده که می‌تواند روش عملکرد رایانه‌های آینده را به ما نشان دهد.

مغز را می‌توان به عنوان یک رایانه بسیار بهینه بیولوژیک در نظر گرفت. مغز در واقع می‌تواند اطلاعات زیادی که از طریق چشم، گوش، حس کردن بو و… بدست می‌آورد را بدون هیچ کاهش سرعتی که در رایانه‌ها معمولا وجود دارد، پردازش کند.

در واقع هدف اچ‌پی ساخت چیپ‌های کامپیوتری‌ است که می‌توانند با سرعت زیاد بر اساس احتمالات و اطلاعات موجود محاسبات لازم را انجام داده و تصمیمات لازم را بگیرند که این در واقع همان روش عملکرد مغز انسان است.

این چیپ‌ها با استفاده از مدل‌های یادگیری و الگوریتم‌ها می‌توانند پاسخ تقریبی را برای گرفتن تصمیم اعلام کنند.

در حالی که تا ارائه این نوع چیپ‌ها به صورت عمومی سالیان زیادی را باید صبر کنیم اما شرکت HP هم اکنون در حال تست اولیه نوع این مدل چیپ‌ها است که بر اساس روش کارکرد مغز انسان کار می‌کنند. این نمونه اولیه برای نخستین بار در کنفرانس Discover که در شهر لاس‌وگاس برگزار شده به نمایش درآمد و هدف اصلی از طراحی این محصول همانطور که اشاره شد ایجاد یک رایانه است که بر اساس روش کارکرد نورون‌ها و سیناپس‌های مغز فعالیت می‌کند.

مغز شامل شبکه‌ای از تعداد بسیار زیادی نورون است که در بین آن‌ها میلیاردها ارتباط برقرار شده است. به محل هر کدام از این اتصال‌ها یک سیناپس می‌گویند که به منظور برقراری ارتباط مورد استفاده قرار می‌گیرند. تقریباً ۱۰۰ میلیارد نورون به صورت موازی در مغز فعالیت می‌کنند که اتصالات یاد شده را ایجاد کرده و اطلاعات را با استفاده از سیگنال‌های الکتریکی و شیمیایی انتقال می‌دهند. محققان شرکت hp سعی دارند تا این مکانیسم را در یک مدار سیمی پیاده سازی کنند.

Car Graves که یکی از دانشمندان محقق در آزمایشگاه‌های HP است می‌گوید: “ما با استفاده از تکنولوژی ممریستور خود و نیز ساختار خاصی که طراحی کرده‌ایم در حال ایجاد ساختار محاسباتی موازی مانند مغز هستیم.”

ممریستورها در واقع نوعی از حافظه‌ها هستند که می‌توانند به آینده سیستم‌های هوش‌مصنوعی کمک کنند تا این سیستم‌ها بتوانند داده‌ها را فهمیده و استفاده بیشتری از آن ببرند. آنچه گفته شد تفاوت بین SSDهای امروزی و DRAM ها است چراکه SDD ها و DRAM ها فقط می‌توانند اطلاعات را ذخیره کنند. همانند سیناپس‌ها یادگیری و نگهداری داده‌ها در ممریستورها بر اساس ویژگی‌های جریان‌دار داده‌ها مشخص می‌شوند.

داده‌ها در مغز در نورون‌ها یا سلول‌های خاصی ذخیره می‌شوند و محاسبات لازم برای انجام وظایفی مثل تشخیص یک عکس یا صوت در این نوع سلول‌ها انجام می‌شود. این روش در واقع طرح پشت پرده ساختار اچ‌پی برای رایانه‌های جدیدی است که همانند مغز انسان عمل می‌کنند.

Graves می‌گوید: «با استفاده از این طرح پتانسیل زیادی را برای افزودن قدرت فوق‌العاده بیشتر و نیز بهینه بودن بیشتر در مصرف انرژی در پردازنده‌ها و حافظه‌ها دارد.»

در رایانه‌های معمولی، داده‌ها برای انجام فرآیندهای پردازشی از حافظه ذخیره‌سازی خارج شده و سپس به پردازنده و حافظه پردازشی ارسال می‌شوند که این موضوع می‌تواند منابع سیستمی زیادی را درگیر کند. ساختار اچ‌پی خلاف این روش عمل می‌کند و در واقع محاسبات را در همان محل‌هایی که داده‌ها ذخیره شده‌اند انجام می‌دهند، درست همانند روش عملکرد مغز. سپس بین سلول‌های مختلف اتصال ایجاد خواهد شد و این بخش نیز همانند روش کارکرد سیناپس‌ها است.

Graves می‌گوید: «با چنین ساختاری، محاسبات موازی زیادی می‌توانند انجام شوند چنین محاسباتی ضریب ماتریسی بردار نامیده می‌شوند که این نوع محاسبات نیز در واقع قلب الگوریتم‌های محاسباتی فشرده و اپلیکیشن‌هایی مثل فیلترگذاری روی عکس یا تشخیص صدا و سیستم‌های یادگیری عمیق است.»

محققان اچ‌پی همچنان در حال توسعه ممریستورها هستند و آن‌ها را در ساختارهایی شبیه به شبکه توری تنظیم می‌کند که نهایتا باعث ایجاد رایانه‌ای به نام Dot Product Engine می‌شود. محققان همچنین می‌توانند ساختارهای تور شکل را تست کنند تا بهترین و متفاوت‌ترین نوع الگوریتم‌ها را ایجاد کنند.

محققان ۸۰۰۰ محاسبه را در یک سیکل ساعت در یک ممریستور خاص مدیریت کرده‌اند. Graves اعلام کرد: «با چیپ‌های واقعی که از این ساختار بهره می‌برد سرعت انجام محاسبات بسیار بالاتر خواهد بود چراکه تمامی مراحلی که هم اکنون در بخش‌های مختلف انجام می‌شود در یک چیپ یکپارچه قرار داده شده‌اند.»

البته این چیپ‌های جدید جایگزین پردازنده‌های کنونی یا پرازشگرهای گرافیکی فعلی نخواهند شد. هر نوع از محاسبات در یک چیپ نورون‌مانند در نزدیکی همدیگر و بر اساس احتمالات انجام می‌شوند و به همین دلیل ممکن است کاملا دقیق نباشند.

Graves می‌گوید: «برای برخی از انواع اپلیکیشن‌ها البته نیاز به داده‌های دقیقی نیست. ولی برای مواردی چون تراکنش‌های بانکی شما قطعا ریاضیات تقریبی را پیشنهاد نمی‌کنم.»

این نوع چیپ‌ها احتمالا به عنوان یک پردازنده کمکی رفتار خواهند کرد که می‌توانند هوش را در انجام وظایف یک رایانه  از جمله تشخیص یک عکس یا صوت اضافه کنند.

روش اچ‌پی متفاوت با دیگر کمپانی‌ها نظیر کوالکام است. شرکت‌هایی مثل کوالکام در حال حاضر از روش‌های مبتنی بر نرم‌افزار استفاده می‌کنند و برخی دیگر نظیر IBM بر ساختارهای متفاوت در چیپ‌ها تکیه کرده‌اند.

تحقیق مورد بحث در اچ‌پی فعلا در روزهای اولیه خود به سر می‌برد اما Graves از همین حالا برای آینده رایانه‌هایی با هوش مصنوعی که می‌توانند همانند مغز یک انسان عمل کنند بسیار هیجان‌زده است. در هرحال مشخصا مدتی طول می‌کشد تا اچ‌پی بتواند یک چیپ کاربردی بر اساس روش کاری مغز تولید کند.

Graves در پایان می‌گوید: «هنوز پاسخ تمام سوالاتی که در این زمینه وجود دارد را نمی‌دانیم، اما کار خود را با سرنخ‌های خوب و کاربردی‌ که یافته‌ایم آغاز کرده‌ایم.»

نظر شما در این مورد چیست؟ آیا اچ‌پی موفق به تولیپ چیپی خواهد شد که همانند مغز انسان عمل کند؟