هوش مصنوعی قوانین جهان را یاد گرفت اما با چالش محاسباتی پرهزینه

بر اساس آمارهای مؤسسه ملی سلامت آمریکا (NIH)، نزدیک به ۳ نفر از هر ۴ فرد بزرگسال (۷۳.۱ درصد) در ایالات متحده دچار اضافه‌وزن یا چاقی هستند. بااین‌حال، به دست آوردن تصویر کاملی از ترکیب بدنی پیچیده‌تر از یک اندازه‌گیری ساده روی ترازو است. دقیق‌ترین روش‌ها برای بررسی حجم و توزیع چربی در بخش‌های مختلف بدن، معمولاً به تحلیل‌های تخصصی با اشعه ایکس نظیر اسکن DXA وابسته هستند؛ روشی که به‌دلیل هزینه و نیاز به تجهیزات بالینی پیشرفته، به‌صورت روزمره در دسترس نیست.

سیستم توسعه‌یافته توسط تیم تحقیقاتی گوگل که PhotoScan نام دارد، با استفاده از الگوریتم‌های هوش مصنوعی و بررسی چند تصویر دوبعدی از بدن کار می‌کند. گوگل برای آموزش این مدل، در ابتدا آن را با داده‌های به‌دست‌آمده از اسکن‌های بالینی اشعه ایکس (DXA) تمرین داده است تا بتواند سطح کلی چربی بدن و نسبت‌های ساختاری مهم را بسنجد. این نسبت‌ها شامل نسبت چربی بالاتنه به پایین‌تنه (A/G Ratio) و همچنین نسبت چربی احشایی و داخلی اندام‌ها به چربی زیرپوستی (V/S Ratio) می‌شوند. تخمین دقیق‌تر ترکیب بدنی و مقاومت به انسولین نسبت به حسگرهای بیوالکتریک

تیم تحقیقاتی گوگل در ادامه، مدل خود را با ترکیب اطلاعات MRI و تنظیم دقیق روی مجموعه‌ای از عکس‌های واقعی ثبت‌شده با دوربین گوشی‌های هوشمند بهینه‌سازی کرد. نتایج نشان داده مدل نهایی می‌تواند چربی بدن را با دقتی به‌مراتب بالاتر از روش تحلیل موجود در ساعت‌ها و مچ‌بندهای هوشمند تخمین بزند. حسگرهای پوشیدنی رایج توانایی ارزیابی نسبت‌های حساسی چون نسبت چربی بالاتنه یا احشایی را ندارند، درحالی‌که این الگوریتم تصویری موفق به تخمین این معیارها شده است.

علاوه‌بر تحلیل ترکیب بدنی، محققان گوگل بررسی کرده‌اند که نتایج حاصل از این روش تا چه اندازه می‌تواند شرایطی مانند مقاومت به انسولین را پیش‌بینی کند؛ حوزه‌ای که گوگل اخیراً با معرفی ویژگی‌های پایش روند مقاومت به انسولین در پلتفرم‌های سلامتی خود روی آن تمرکز کرده است.

با وجود دستاوردهای علمی امیدوارکننده، چالش‌های عملی برای تجاری‌سازی چنین سامانه‌هایی وجود دارد. متقاعد کردن کاربران برای ثبت و به‌اشتراک‌گذاری تصاویر واضح از بدن ممکن است حتی با وجود سخت‌گیرانه‌ترین سیاست‌های حفظ حریم خصوصی کار دشواری باشد. از سوی دیگر، سوق دادن کاربران به سمت تغییر واقعی سبک زندگی و رژیم غذایی پس از مشاهده این داده‌ها همواره چالشی اساسی محسوب می‌شود. درحال‌حاضر گوگل برنامه‌ای رسمی برای تبدیل PhotoScan به یک محصول نهایی ندارد، اما احتمال دارد این فناوری در قالب سرویس‌های بخش سلامت گوگل عرضه شود.

اکونومیست هشدار می‌دهد که اگر هوش مصنوعی به‌عنوان موجودی دارای حقوق و منافع مستقل شناخته شود، ممکن است پیامدهای بسیار خطرناکی برای انسان‌ها داشته باشد.

این گزارش درباره این پرسش بحث می‌کند که آیا باید برای هوش مصنوعی حقوقی شبیه انسان در نظر گرفت یا نه.

شهرآرانیوز؛ گوگل در توافقی تازه با شرکت ماروِل، امکان خرید حدود ۱۲.۲ میلیارد دلار از سهام این شرکت را به دست آورده است؛ قراردادی که توسعه نسل جدید تراشه‌های اختصاصی هوش مصنوعی گوگل را تقویت می‌کند و می‌تواند رقابت در بازار تراشه‌های AI را وارد مرحله تازه‌ای کند.

شرکت Marvell Technology اعلام کرده است با گوگل وارد یک همکاری تجاری برای توسعه مجموعه‌ای از تراشه‌های نیمه‌رسانای اختصاصی شده است. در چارچوب این توافق، Marvell به شرکت مادر گوگل، یعنی Alphabet، یک حق خرید (Warrant) برای خرید حداکثر حدود ۵۸.۹۷ میلیون سهم ماروِل به قیمت ۲۰۶.۵۸ دلار برای هر سهم داده است. ارزش بالقوه این سهام حدود ۱۲.۱۸ میلیارد دلار است.

نکته مهم این است که گوگل فعلاً ۱۲.۲ میلیارد دلار به ماروِل پرداخت نکرده است؛ بلکه این رقم ارزش بالقوه سهامی است که گوگل براساس شرایط توافق می‌تواند در آینده خریداری کند. گوگل به دنبال ساخت تراشه‌های اختصاصی‌تر برای هوش مصنوعی است

محور اصلی همکاری جدید، توسعه تراشه‌های سفارشی برای زیرساخت هوش مصنوعی گوگل است. ماروِل اعلام کرده است که در این پروژه روی مجموعه‌ای از فناوری‌ها از جمله شتاب‌دهنده‌های استنتاج هوش مصنوعی، کنترلر‌های ذخیره‌سازی، کنترلر‌های شبکه، کنترلر‌های رابط حافظه و فناوری‌های محاسبات نزدیک به حافظه کار خواهد کرد.

این تراشه‌ها قرار است با اکوسیستم Tensor Processing Unit یا TPU گوگل سازگار باشند؛ پردازنده‌های اختصاصی که گوگل سال‌هاست برای آموزش و اجرای مدل‌های هوش مصنوعی خود توسعه می‌دهد.

در ادامه حتما بخوانید انویدیا برای دیتاسنتر عظیم OpenAI در اوهایو تا ۱۰۵ میلیارد دلار ضمانت می‌کند چرا گوگل به تراشه‌های اختصاصی نیاز دارد؟

یکی از بزرگ‌ترین چالش‌های شرکت‌های فناوری در عصر هوش مصنوعی، تأمین توان محاسباتی کافی برای آموزش و اجرای مدل‌های بزرگ است.

پردازنده‌های گرافیکی انویدیا همچنان بخش مهمی از این بازار را در اختیار دارند، اما شرکت‌هایی مانند گوگل، آمازون و متا در سال‌های اخیر تلاش کرده‌اند بخشی از نیاز خود را با تراشه‌های اختصاصی یا ASIC تأمین کنند.

تراشه اختصاصی می‌تواند برای یک نوع کار مشخص بهینه شود و در برخی کاربردها، مصرف انرژی و هزینه عملیاتی پایین‌تری نسبت به استفاده از پردازنده‌های عمومی داشته باشد.

به همین دلیل، گوگل قصد دارد علاوه بر توسعه TPU‌های خود، زنجیره‌ای از تراشه‌ها و اجزای اختصاصی پیرامون این پردازنده‌ها ایجاد کند. ماروِل می‌تواند به یکی از شرکای مهم گوگل در حوزه AI تبدیل شود

این قرارداد برای ماروِل نیز اهمیت زیادی دارد. سهام این شرکت پس از انتشار خبر در معاملات پیش از بازگشایی بازار آمریکا بیش از ۱۱ درصد افزایش یافت. در مقابل، سهام Broadcom، یکی دیگر از شرکای مهم گوگل در زمینه تراشه‌های اختصاصی، با کاهش مواجه شد.

ماروِل در سال‌های اخیر تلاش کرده است جایگاه خود را در بازار تراشه‌های سفارشی برای دیتاسنتر‌های هوش مصنوعی تقویت کند.

ورود جدی‌تر این شرکت به زیرساخت TPU‌های گوگل می‌تواند درآمد بلندمدتی برای Marvell ایجاد کند و هم‌زمان وابستگی گوگل به یک تأمین‌کننده واحد را کاهش دهد. رقابت با انویدیا وارد مرحله جدیدی می‌شود

توافق گوگل و ماروِل را باید بخشی از روند بزرگ‌تری در صنعت تراشه دانست. انویدیا همچنان یکی از قدرتمندترین بازیگران بازار پردازنده‌های هوش مصنوعی است، اما شرکت‌های بزرگ فناوری نمی‌خواهند تمام زیرساخت AI خود را به یک تأمین‌کننده وابسته کنند.

گوگل از مدت‌ها قبل با توسعه TPU تلاش کرده است بخشی از این نیاز را در داخل اکوسیستم خود تأمین کند. همکاری با Marvell نیز می‌تواند این استراتژی را تقویت کند.

از سوی دیگر، افزایش استفاده از تراشه‌های اختصاصی به معنای ایجاد بازار بزرگی برای شرکت‌هایی است که توانایی طراحی و تولید ASIC‌های سفارشی و اجزای مرتبط با آنها را دارند.