منو سایت

  • خانه
  • وبلاگ
  • محاسبات هوش مصنوعی چیست؟ | وبلاگ های انویدیا

محاسبات هوش مصنوعی چیست؟ | وبلاگ های انویدیا

 تاریخ انتشار :
/
  وبلاگ
محاسبات هوش مصنوعی چیست؟ | وبلاگ های انویدیا

یک قطب نما، یک سکسستان، یک خط کش لگاریتمی و یک کامپیوتر. ابزارهای ریاضی تاریخ پیشرفت بشر را نشان می دهند.

آنها تجارت و ناوبری اقیانوس و همچنین درک پیشرفته و کیفیت زندگی را فعال کرده اند.

آخرین ابزار برای پیشبرد علم و صنعت، محاسبات هوش مصنوعی است.

AI Computing تعریف شده است

محاسبات هوش مصنوعی فرآیند فشرده ریاضی محاسبه الگوریتم‌های یادگیری ماشینی است که معمولاً با استفاده از سیستم‌ها و نرم‌افزارهای شتاب‌دار انجام می‌شود. می‌تواند بینش‌های تازه‌ای را از مجموعه داده‌های عظیم استخراج کند و در طول مسیر مهارت‌های جدیدی را بیاموزد.

این متحول‌کننده‌ترین فناوری زمان ما است، زیرا ما در عصر داده‌محور زندگی می‌کنیم و محاسبات هوش مصنوعی می‌تواند الگوهایی را بیابد که هیچ انسانی نمی‌توانست.

به عنوان مثال، امریکن اکسپرس از رایانه های هوش مصنوعی برای کشف تقلب در میلیاردها تراکنش سالانه کارت اعتباری استفاده می کند. پزشکان از آن برای تشخیص تومورها استفاده می‌کنند و ناهنجاری‌های کوچکی را در کوه‌هایی از تصاویر پزشکی پیدا می‌کنند.

سه مرحله برای محاسبات هوش مصنوعی

قبل از اینکه به موارد متعدد استفاده از محاسبات هوش مصنوعی بپردازیم، بیایید نحوه عملکرد آن را بررسی کنیم.

ابتدا، کاربران، اغلب دانشمندان داده، مجموعه داده ها را آماده و آماده می کنند، مرحله ای به نام استخراج/تبدیل/بار یا ETL. اکنون می‌توان این کار را روی پردازنده‌های گرافیکی NVIDIA با Apache Spark 3.0، یکی از محبوب‌ترین موتورهای منبع باز برای استخراج داده‌های بزرگ، تسریع کرد.

ثانیاً، دانشمندان داده مدل‌های هوش مصنوعی را انتخاب یا طراحی می‌کنند که به بهترین وجه با برنامه‌های آنها مطابقت دارد.

برخی از شرکت‌ها مدل‌های خود را از پایه طراحی و آموزش می‌دهند زیرا در زمینه جدیدی پیشگام هستند یا به دنبال مزیت رقابتی هستند. این فرآیند به تخصص و احتمالاً یک ابررایانه هوش مصنوعی نیاز دارد، قابلیت هایی که NVIDIA ارائه می دهد.

محاسبات هوش مصنوعی و Mlops
عملیات یادگیری ماشین (MLOps) سه مرحله اصلی محاسبات هوش مصنوعی – ETL (ردیف بالا)، آموزش (پایین سمت راست) و استنتاج (پایین سمت چپ) را با جزئیات دقیق‌تری توصیف می‌کند.

بسیاری از شرکت‌ها مدل‌های از پیش آموزش‌دیده‌شده هوش مصنوعی را انتخاب می‌کنند که می‌توانند در صورت نیاز برای برنامه‌های خود سفارشی کنند. NVIDIA ده ها مدل و ابزار از پیش آموزش دیده را برای سفارشی سازی آنها در NGC، پورتالی برای نرم افزار، خدمات و پشتیبانی، ارائه می دهد.

سوم، شرکت ها داده های خود را از طریق مدل های خود غربال می کنند. این مرحله کلیدی، به اصطلاح استنتاججایی است که هوش مصنوعی بینش های مفیدی را ارائه می دهد.

این فرآیند سه مرحله‌ای مستلزم کار سخت است، اما کمکی در دسترس است تا هر کسی بتواند از محاسبات هوش مصنوعی استفاده کند.

به عنوان مثال، NVIDIA TAO Toolkit می‌تواند سه مرحله را با استفاده از یادگیری انتقال، راهی برای تطبیق یک مدل هوش مصنوعی موجود برای یک برنامه جدید بدون نیاز به مجموعه داده‌های بزرگ، در یک مرحله جمع کند. علاوه بر این، NVIDIA LaunchPad به کاربران آموزش‌های عملی در پیاده‌سازی مدل‌ها برای طیف گسترده‌ای از موارد استفاده می‌دهد.

داخل یک مدل هوش مصنوعی

مدل‌های هوش مصنوعی شبکه‌های عصبی نامیده می‌شوند زیرا از اتصالات شبکه‌ای در مغز انسان الهام گرفته‌اند.

اگر یکی از این مدل‌های هوش مصنوعی را باز کنید، ممکن است شبیه یک لازانیا ریاضی باشد که از لایه‌هایی از معادلات جبری خطی تشکیل شده است. یکی از محبوب ترین اشکال هوش مصنوعی، یادگیری عمیق نامیده می شود زیرا از لایه های زیادی استفاده می کند.

نمونه ای از یک مدل یادگیری عمیق مورد استفاده در محاسبات هوش مصنوعی
نمونه ای از یک مدل یادگیری عمیق که یک تصویر را شناسایی می کند. از مقاله ای در مورد یادگیری عمیق برای آکادمی ملی علوم ایالات متحده. اعتبار تصویر: لوسی ردینگ-ایکاندا (هنرمند).

اگر بزرگنمایی کنید، خواهید دید که هر لایه از یک دسته معادله تشکیل شده است. هر کدام نشان دهنده احتمال مرتبط بودن یک داده با دیگری است.

محاسبات هوش مصنوعی هر مجموعه ای از معادلات را در هر لایه با هم ضرب می کنند تا الگوها را بیابند. این یک کار بزرگ است که به بسیاری از پردازنده های موازی نیاز دارد که مقادیر زیادی داده را در شبکه های رایانه ای سریع به اشتراک بگذارند.

محاسبات GPU با هوش مصنوعی ملاقات می کند

GPUها موتورهای واقعی محاسبات هوش مصنوعی هستند.

انویدیا اولین GPU را در سال 1999 برای ارائه تصاویر سه بعدی برای بازی های ویدیویی معرفی کرد، کاری که به محاسبات موازی انبوه نیاز داشت.

محاسبات GPU به زودی برای استفاده در سرورهای گرافیک فیلم پرفروش گسترش یافت. دانشمندان و محققان پردازنده‌های گرافیکی را در بزرگترین ابررایانه‌های جهان قرار داده‌اند تا همه چیز از شیمی مولکول‌های کوچک گرفته تا اخترفیزیک کهکشان‌های دور را مطالعه کنند.

زمانی که محاسبات هوش مصنوعی بیش از یک دهه پیش ظهور کرد، محققان به سرعت از پلتفرم پردازش موازی قابل برنامه ریزی NVIDIA استقبال کردند. ویدیوی زیر این تاریخچه مختصر GPU را جشن می گیرد.

تاریخچه محاسبات هوش مصنوعی

ایده هوش مصنوعی حداقل به آلن تورینگ، ریاضیدان بریتانیایی که به شکستن پیام های رمزگذاری شده در طول جنگ جهانی دوم کمک کرد، برمی گردد.

تورینگ در یک سخنرانی در سال 1947 در لندن گفت: “آنچه ما می خواهیم ماشینی است که بتواند از تجربه بیاموزد.”

آلن تورینگ رویاپرداز هوش مصنوعی
آلن تورینگ

انویدیا برای شناخت بینش او، یکی از معماری‌های محاسباتی خود را به نام او نامگذاری کرد.

دید تورینگ در سال 2012 به واقعیت تبدیل شد، زمانی که محققان مدل‌های هوش مصنوعی را توسعه دادند که می‌توانست تصاویر را سریع‌تر و دقیق‌تر از انسان تشخیص دهد. نتایج مسابقه ImageNet همچنین پیشرفت در بینایی کامپیوتر را بسیار تسریع کرده است.

امروزه، شرکت‌هایی مانند Landing AI که توسط اندرو انگ، دانشمند یادگیری ماشینی تأسیس شده‌اند، از هوش مصنوعی و بینایی رایانه‌ای برای کارآمدتر ساختن تولید استفاده می‌کنند. و هوش مصنوعی بینایی انسان را به ورزش، شهرهای هوشمند و موارد دیگر می‌آورد.

AI Computing هوش مصنوعی محاوره ای را راه اندازی کرد

محاسبات هوش مصنوعی از زمان اختراع مدل ترانسفورماتور در سال 2017، پیشرفت های زیادی در پردازش زبان طبیعی داشته است. این روش اولین تکنیک یادگیری ماشینی به نام “توجه” را ارائه کرد که می تواند زمینه را در داده های متوالی مانند متن و گفتار ثبت کند.

امروزه هوش مصنوعی مکالمه ای فراگیر شده است. جملاتی را که کاربران در قسمت های جستجو وارد می کنند تجزیه و تحلیل می کند. در حین رانندگی پیام‌های متنی را می‌خواند و به شما امکان می‌دهد پاسخ‌ها را دیکته کنید.

این الگوهای بزرگ زبان همچنین کاربردهایی در کشف دارو، ترجمه، ربات‌های گفتگو، توسعه نرم‌افزار، اتوماسیون مرکز تماس و موارد دیگر پیدا می‌کنند.

هوش مصنوعی + گرافیک جهان های سه بعدی ایجاد کنید

کاربران در بسیاری از مناطق، اغلب غیرمنتظره، قدرت محاسبات هوش مصنوعی را احساس می کنند.

جدیدترین بازی‌های ویدیویی به لطف ردیابی پرتوهای بلادرنگ و NVIDIA DLSS که از هوش مصنوعی برای ارائه گیم‌پلی فوق‌العاده روان بر روی پلتفرم GeForce RTX استفاده می‌کند، به سطوح جدیدی از واقع‌گرایی دست می‌یابند.

این تنها آغاز است. حوزه نوظهور گرافیک عصبی، ایجاد جهان های مجازی را برای پر کردن فراجهان، تکامل سه بعدی اینترنت، سرعت می بخشد.

نمودارهای عصبی ترکیبی از محاسبات هوش مصنوعی و گرافیک هستند
گرافیک عصبی، طراحی و توسعه جهان های مجازی را برای پر کردن دنیای متاورز، یعنی اینترنت سه بعدی، سرعت می بخشد.

برای شروع این کار، NVIDIA چندین ابزار گرافیکی عصبی را در ماه اوت منتشر کرد.

از Cases برای محاسبات هوش مصنوعی استفاده کنید

ماشین ها، کارخانه ها و انبارها

خودروسازان از محاسبات هوش مصنوعی برای ارائه رانندگی نرم تر و ایمن تر و ارائه گزینه های اطلاعات سرگرمی هوشمند برای مسافران استقبال می کنند.

مرسدس بنز در حال همکاری با NVIDIA برای توسعه وسایل نقلیه نرم افزاری تعریف شده است. پارک‌های آینده آن قابلیت‌های رانندگی هوشمند و خودکاری را ارائه می‌کنند که توسط یک کامپیوتر متمرکز NVIDIA DRIVE Orin پشتیبانی می‌شود. سیستم‌ها در مرکز داده با استفاده از نرم‌افزار DRIVE Sim که بر روی NVIDIA Omniverse ساخته شده است، آزمایش و اعتبارسنجی می‌شوند تا اطمینان حاصل شود که می‌توانند با خیال راحت همه انواع سناریوها را مدیریت کنند.

در نمایشگاه CES، این خودروساز اعلام کرد که از Omniverse برای طراحی و برنامه ریزی تاسیسات تولید و مونتاژ در سایت های خود در سراسر جهان نیز استفاده خواهد کرد.

گروه بی‌ام‌و همچنین در میان شرکت‌هایی است که کارخانه‌های دوقلو دیجیتالی با هوش مصنوعی را در NVIDIA Omniverse ایجاد می‌کنند و کارخانه‌ها را کارآمدتر می‌کنند. این رویکردی است که توسط غول های مصرف کننده مانند PepsiCo برای مراکز لجستیکی خود نیز اتخاذ شده است، همانطور که در ویدیوی زیر نشان داده شده است.

در کارخانه‌ها و انبارها، روبات‌های مستقل کارایی تولید و تدارکات را افزایش می‌دهند. بسیاری از آنها از پلتفرم هوش مصنوعی NVIDIA Jetson edge برخوردار هستند و با هوش مصنوعی در شبیه سازی و دوقلوهای دیجیتال با استفاده از NVIDIA Isaac Sim آموزش دیده اند.

در سال 2022، حتی تراکتورها و ماشین های چمن زنی با هوش مصنوعی مستقل خواهند شد.

در ماه دسامبر، Monarch Tractor، یک استارت آپ مستقر در لیورمور، کالیفرنیا، یک وسیله نقلیه الکتریکی با هوش مصنوعی راه اندازی کرد تا اتوماسیون را به کشاورزی برساند. در ماه مه، Scythe مستقر در بولدر، کلرادو، M.52 خود را معرفی کرد، یک ماشین چمن‌زنی برقی خودکار که دارای هشت دوربین و بیش از دوازده حسگر است.

ایمن سازی شبکه ها، توالی یابی ژن

تعداد و تنوع موارد استفاده برای محاسبات هوش مصنوعی خیره کننده است.

نرم افزار امنیت سایبری با تکنیک های مبتنی بر هوش مصنوعی مانند اثر انگشت دیجیتال، فیشینگ و سایر تهدیدات شبکه را سریعتر تشخیص می دهد.

در بخش مراقبت های بهداشتی، محققان در ژانویه 2022 با توالی یابی کل ژنوم در کمتر از هشت ساعت به لطف محاسبات هوش مصنوعی، رکورد شکستند. کار آنها (که در ویدیوی زیر توضیح داده شده است) می تواند منجر به درمان بیماری های ژنتیکی نادر شود.

محاسبات هوش مصنوعی در بانک ها، مغازه ها و دفاتر پست کار می کند. همچنین در شبکه های مخابراتی، حمل و نقل و انرژی استفاده می شود.

به عنوان مثال، ویدیوی زیر نشان می دهد که چگونه زیمنس گیمسا از مدل های هوش مصنوعی برای شبیه سازی نیروگاه های بادی و افزایش تولید انرژی استفاده می کند.

همانطور که تکنیک‌های محاسباتی هوش مصنوعی امروزی کاربردهای جدیدی پیدا می‌کنند، محققان در حال ابداع روش‌های جدیدتر و قدرتمندتر هستند.

دسته قدرتمند دیگری از شبکه‌های عصبی، مدل‌های انتشار، در سال 2022 محبوب شدند زیرا می‌توانستند توصیفات متنی را به تصاویر متقاعدکننده تبدیل کنند. محققان انتظار دارند که این مدل‌ها در بسیاری از برنامه‌ها اعمال شوند و افق محاسبات هوش مصنوعی را بیشتر گسترش دهند.