`

СПЕЦІАЛЬНІ
ПАРТНЕРИ
ПРОЕКТУ

Чи використовує ваша компанія ChatGPT в роботі?

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Процесори з поліпшеною на 99% енергоефективністю

Днями стартап Efficient Compute анонсував свій процесор, ключовою особливістю якого є значно підвищена енергоефективність.

В основі процесорів Efficient Compute лежить розроблена нею технологія архітектури Fabric. Якщо не вдаватися в подробиці фундаментальних досліджень, що були використані при її створенні, основні принципи цієї розробки зводяться до усунення значної частини накладних енерговитрат, пов'язаних з операціями процесорів загального призначення.

Процесори з поліпшеною на 99% енергоефективністю

"Процесори оптимізувалися насамперед для продуктивності, часто на шкоду енергоефективності", - сказав Брендон Люсія (Brandon Lucia), співзасновник і виконавчий директор Efficient Computer. "Вони витрачають багато часу на те, щоб з'ясувати, скільки операцій у пам'яті можна виконувати одночасно. Це підвищує продуктивність, але коштом енергоспоживання".

Архітектура Efficient усуває більшу частину цих накладних витрат, передаючи рішення про паралельну обробку спеціально розробленому компілятору та використовуючи просторовий паралелізм. Це метод виконання різних інструкцій в один і той самий фізичний час, але в різних блоках процесора.

Крім того, для з'єднання елементів паралельної обробки використовується проста бортова мережа, яка "настільки ефективна, наскільки це взагалі можливо", - каже Брендон Люсія. Варто мати на увазі, що завдяки оптимізованій компіляції чипсет дещо більший за стандартний процесор, але при цьому має порівнянну продуктивність.

Компілятор має вирішальне значення для енергоефективності цього рішення. За словами Брендона Люсії, він може працювати з додатками на мовах C, C++, Tensorflow і деяких Rust, використовуючи Multi-Level Intermediate Representation - єдину програмну структуру для розробки компіляторів. Це дасть змогу багатьом наявним додаткам працювати на архітектурі Fabric без змін.

Компілятор створює проміжне представлення програми, яке моделює структуру базового обладнання. "У нас є низка кроків, званих пониженням, під час яких ми дедалі ближче і ближче наближаємо уявлення до того, що фізично реалізовано в чипі", - сказав він. "Попутно ми реструктуруємо уявлення графа потоку даних у програмі, щоб ще більше знизити кількість споживаної енергії після того, як ми відобразимо її на мережу".

Брендон Люсія сказав, що цільовими ринками нових процесорів є промислові пристрої інтернету речей, моніторинг інфраструктури та пристрої, що носять. За його словами, багато обмежень нинішніх пристроїв пов'язані зі споживанням енергії, що вимагає частих звернень у хмару або взагалі виключає використання смартпристроїв.

"Якби ви могли масштабувати розгортання за допомогою розумних пристроїв, ви могли б зробити набагато більше за допомогою машинного навчання на границі", - сказав він. "Наразі моніторинг багатьох промислових інфраструктур не має сенсу, оскільки батареї необхідно міняти кожні кілька місяців. Тоді як при використанні нашої платформи час автономної роботи може збільшитися з декількох місяців до декількох років".

Наразі чипсет перебуває на стадії "tape-out", що означає завершення розробки та початок виробництва. За повідомленням Efficient Compute, компанія уклала контракти з постачальниками додатків, яких вона не називає, і розраховує відправити серійні версії клієнтам на початку 2025 року.

Snapdragon X Elite vs Intel Core Ultra 7

Протистояння платформ ARM і x86 розгорнулося на новому етапі в завданнях з використанням технології штучного інтелекту.

Компанія Qualcomm опублікувала коротке відео, на якому представлено порівняльне тестування продуктивності її нової платформи для портативних комп'ютерів Snapdragon X Elite з x86-системою на базі процесора Intel Core Ultra 7. Нагадаю, що в обох наявні модулі тензорних обчислень, тож логічно, що для дослідження їхньої роботи були використані пакети генерування зображень за текстовим описом Stable Diffusion і GIMP. Для коректності порівняння ці тести проводилися без підключення до хмари із залученням лише локальних обчислювальних ресурсів.

Snapdragon X Elite vs Intel Core Ultra 7

Основний акцент у цьому тесті було зроблено на самі платформи без вказівки того, в якому саме ноутбуці вони встановлені. За заявою Qualcomm, NPU процесора Snapdragon X Elite забезпечує продуктивність до 45 TOPS, тоді як, за оцінками Intel, процесори Core Ultra досягають 34 TOPS у кращому випадку.

Відео починається з зіставлення виконання завдань для Stable Diffusion. Якщо ноутбук Snapdragon X Elite впорався із завданням створення зображення літніх фруктів за 7,25 с, то ноутбук Intel Core Ultra 7 завершив створення зображення за тим самим запитом лише через 22,26 с.

Знову ж таки, в GIMP, Qualcomm налаштувала дві машини на створення зображень за допомогою штучного інтелекту. Цього разу як завдання було обрано "величного лева, що гріється на золотому полуденному сонці". Ми бачимо, як плагін штучного інтелекту Snapdragon X Elite, що використовує стек Qualcomm AI Stack, завершує обробку за частку часу, який потрібен плагіну Intel OpenVINO для виконання того ж завдання. За твердженням Qualcomm, демонстрація показує, що її чип перевершує x86-конкурента, генеруючи в 10 разів більше зображень за заданий проміжок часу.

Утім, Qualcomm рано спочивати на лаврах, оскільки в наведеному порівняльному тестуванні було використано перший процесор Intel із вбудованим тензорним процесором покоління Meteor Lake. А на підході вже нові платформи - Arrow Lake для десктопів та Lunar Lake для ноутбуків. І за оцінками Intel, продуктивність їхніх вбудованих DPU і GPU має потроїтися. Так що протистояння ARM і x86 тільки розгортається.
   

Groq дає змогу отримувати моментальні відповіді AI

Компанія Groq провела днями дивовижні демонстрації своєї платформи штучного інтелекту, продуктивність якої дає можливість отримувати відповіді без будь-яких помітних затримок.

Примітно, що в одному з демо відповіді Groq на поставлені цій AI-платформі запитання налічують сотні слів і містять посилання на джерела. Друге демо містило голосовий діалог, у якому не відчувалася неприродність, притаманна нині широко поширеним AI-платформам.

За словами глави Groq Джонатана Росса (Jonathon Ross), ключовою відмінністю розробленої його компанією AI-платформи є використання спеціалізованих чіпів Language Processing Units (LPU), які в AI-завданнях значно продуктивніші за топові GPU Nvidia. Джонатан Росс назвав ці чіпи "inference engine". За підсумками незалежного тестування, проведеного Artificial Analysis, продуктивність LPU Groq досягла 247 токенів на секунду. Для порівняння AI-платформа Microsoft забезпечує 18 токенів на секунду. Тож якщо запустити на апаратній платформі Groq чат-бот ChatGPT, він прискориться в 13 разів.

Як зазначив Джонатан Росс, у Groq вдалося обійти два вузьких місця великих мовних моделей, на яких зациклюються GPU і CPU: щільність обчислень і пропускна здатність пам'яті.

Невже настав час, коли штучний інтелект почне фліртувати?

Чергова зміна напівпровідникового лідера

У сегменті виробництва напівпровідників, де конкурують гіганти індустрії, раптово змінився розклад сил, що призвело до виходу в лідери TSMC.

За інформацією аналітика Дена Ністедта (Dan Nystedt), за
підсумками 2023 року оборот компанії TSMC становив 69,3 млрд дол., що дало їй змогу обійти пару Intel і Samsung, які в період з 2017 р. поперемінно були лідерами цього напряму. Так, попереднього року оборот Intel оцінили в 54,23 млрд дол., а продажі чипів принесли Samsung 50,99 млрд дол. Нагадаю, що Intel була беззаперечним лідером цього сегмента протягом десятиліть ще з 1992 р., коли випередила японську NEC.
Чергова зміна напівпровідникового лідера
Ще одним амбітним гравцем є Nvidia, яка успішно наповнює свої вітрила завдяки вибуховому інтересу до технології штучного інтелекту. І хоча підбиття підсумків фінансового року цієї компанії має відбутися 21 лютого, але навіть якщо підсумувати її показники за першими трьома кварталами 2023 фінансового року та попередні оцінки четвертого, виявляється, що досягнутий Nvidia обсяг продажів у 58,82 млрд дол. виводить її лише на друге місце.

Парадоксальність нинішньої ситуації полягає в тому, що лідером напряму є контрактний виробник, який не має своїх власних чипів, а випускає їх для таких своїх клієнтів, як AMD, Apple й та ж Nvidia. А це означає, що такого видатного результату з обігу було досягнуто виключно завдяки вартості виробництва, а не інтелектуальної власності, закладеної в розробку мікросхем.
Чергова зміна напівпровідникового лідера
Крім того, варто відзначити й той факт, що провідне становище TSMC за підсумками року стало результатом успішної роботи компанії протягом попередніх шести кварталів, протягом яких цей виробник випереджав і Intel, і Samsung.
Чергова зміна напівпровідникового лідера
TSMC також показала чудові результати в частині операційного прибутку протягом восьми кварталів поспіль з показником 8,16 млрд дол. проти 2,59 млрд дол. в Intel і втрат Samsung у розмірі 1,86 млрд дол.

Wi-Fi на 3000 м

Завдання організації бездротового підключення на великих дистанціях може бути вирішене за допомогою обладнання з підтримкою специфікації 802.11ah.

Стандарт HaLow (802.11ah) був анонсований у 2016 році та працює в діапазонах частот біля 900 МГц, які не потребують ліцензування. Практичне тестування його можливостей за дальністю було проведено нещодавно компанією Morse Micro. Як майданчик було обрано набережну Сан-Франциско. За результатами випробувань з'ясувалося, що максимальна дистанція роботи бездротового каналу досягла 3000 м.

Wi-Fi на 3000 м

Швидкість з'єднання під час тестування Morse Micro варіювалася від 11 Мбіт/c на відстані 500 метрів до 1 Мбіт/c на максимальній дальності в три кілометри, при чому цього було достатньо для підтримки відеодзвінка.

Варто зазначити, що ці результати були отримані попри перешкоди, створювані навколишнім міським простором. Оскільки подібні пристрої Wi-Fi з наддалеким радіусом дії насамперед призначені для Інтернету речей (IoT), а не для мультимедіа через нижчі швидкості, дане досягнення дає змогу припустити, що Wi-Fi HaLow - рішення для бездротового зв'язку дальнього радіуса дії.

Круговий голографічний дисплей допоможе водієві

Використання інтелектуальних помічників у керуванні автомобілем - один із найперспективніших напрямків сучасної ІТ-сфери.

Здавалося б, ще недавно головним помічником у поїздках були паперові карти, які вже успішно витіснили навігатори. Схоже, що наступним етапом розвитку в цьому напрямку можуть стати кругові голографічні дисплеї, які в реальному часі відображають ситуацію навколо автомобіля. Над таким проєктом працюють дослідники з Університетів Кембриджа, Оксфорда та Університетського коледжу Лондона (UCL) спільно з Google. Створюване ними рішення дає змогу виводити на голографічний дисплей дані з лазерного 3D-сканера і LiDAR для створення 3D-представлення вулиць Лондона.

Круговий голографічний дисплей допоможе водієві

 

Система може проектувати голографічні зображення дорожніх перешкод, прихованих з поля зору водія, що збігаються з реальним об'єктом за розміром і відстанню. Наприклад, дорожній знак, закритий від огляду великою вантажівкою, буде відображатися у вигляді 3D-голограми, щоб водій точно знав, де розташований знак і яку інформацію він відображає.

"Ідея наголовного дисплея полягає в тому, щоб тримати очі водія піднятими, адже навіть частки секунди, коли він не дивиться на дорогу, достатньо для аварії", - каже дослідниця Яна Скірнєвськая (Jana Skirnewskaja) з інженерного факультету Кембриджа. "Однак, оскільки це двовимірні зображення, що проектуються на невелику ділянку лобового скла, водій може дивитися на зображення, а не на дорогу перед собою".

"Ми хочемо проектувати інформацію в будь-якому місці в полі зору водія, але так, щоб вона не була пригнічувальною і не відвертала", - сказала вона. "Ми не хочемо надавати інформацію, яка не має прямого стосунку до поточного завдання водіння".

Дослідники протестували систему, просканувавши Малет-стріт у кампусі UCL у центрі Лондона. Інформацію з хмари точок LiDAR було перетворено на багатошарові 3D-голограми, що складаються з 400 тис. точок даних. Концепція проєктування оцінки перешкод на 360° для водіїв була заснована на ретельній обробці даних, що забезпечує чітку видимість глибини кожного об'єкта.

 

 

Круговий голографічний дисплей допоможе водієві

 

Дані хмари точок, зібрані за допомогою лазерного 3D-сканера, перетворюються на багатошарові об'єкти 3D-поля відтворення, що складаються з 400 тис. точок. Для створення голограм у реальному часі використовували графічний процесор, що дало змогу в 16,6 раза скоротити час обробки порівняно з CPU, а голографічні проєкції було отримано за допомогою просторового модулятора світла (SLM) (3840×2160 px) і віртуальних лінз Френеля. Це дало можливість збільшити поле зору водія до 25×36 мм.

Важливо, що сканування може надавати динамічну інформацію, оскільки ситуація на жвавих вулицях постійно змінюється.

"Зібрані нами дані можна передавати та зберігати в хмарі, щоб до них мали доступ усі водії, які проїжджають повз, - це як складніша версія навігаційних застосунків, які ми використовуємо щодня для отримання інформації про дорожні обставини в режимі реального часу", - каже Скирневська. "Таким чином, система динамічна і може адаптуватися до мінливих умов, коли небезпека або перешкоди переміщаються по вулиці".

 

Круговий голографічний дисплей допоможе водієві

 

Ключова розробка полягає в забезпеченні огляду на 360° шляхом вибору точок даних з окремих сканів конкретних об'єктів, як-от вантажівки або будівлі, що дає змогу проводити комплексну оцінку дорожніх небезпек.

"Ми можемо сканувати до 400 тис. точок даних для одного об'єкта, але це доволі багато інформації та ускладнює процес сканування, вилучення та проєктування даних про цей об'єкт у реальному часі", - каже Скирневська. "Усього 100 точок даних дають нам змогу дізнатися, що це за об'єкт і якого він розміру. Нам потрібно отримати достатньо інформації, щоб водій знав, що його оточує".
Круговий голографічний дисплей допоможе водієві
Наразі дослідники співпрацюють з Google, щоб розробити технологію і протестувати її в реальних автомобілях. Вони сподіваються провести дорожні випробування, як на громадських, так і на приватних дорогах, у 2024 році.

 

Forerunner - робот середнього зросту і комплекції

Forerunner - робот середнього зросту і комплекції

Компанія Kepler, виробник роботів, повідомила про плани продемонструвати на CES 2024 свою нову розробку - гуманоїдний пристрій Forerunner висотою 178 см і масою 85 кг.

З появи поняття "робот" у творчості Карела Чапека малося на увазі, що це якась подоба людини, здатна легко впоратися з усіма завданнями, з якими традиційно доводиться мати справу людям. А з бурхливим розвитком технології штучного інтелекту з'явилася можливість створювати роботів, які не тільки зовні схожі на людину, а й здатні вести спілкування як людина. Якраз таке рішення і було створено конструкторами Kepler.

Робот загального призначення Kepler Forerunner (або Kepler Humanoid Robot) вирізняється наявністю інтелектуальної та спритної руки з 12 ступенями свободи. Усе тіло робота має до 40 ступенів свободи, що забезпечує такі функції, як навігація складним рельєфом, інтелектуальне уникнення перешкод, гнучке керування руками, підіймання та перенесення важких вантажів, зорово-моторна координація та інтелектуальний інтерактивний зв'язок. В основі цих можливостей лежить система, подібна до Optimus від Tesla, що використовує планетарний ролико-гвинтовий привід і технологію обертових приводів. Це дає змогу роботу демонструвати складні рухи тіла, гнучке управління руками та розвинене візуальне сприйняття.

Робот-гуманоїд Kepler націлений на те, щоб використовувати автоматизований інтелект у різних галузях, включно з інтелектуальним виробництвом, логістикою, освітою, науковими дослідженнями, інтелектуальними інспекціями, завданнями з підвищеним ризиком і роботою на відкритому повітрі. Технологічні досягнення, продемонстровані в його дебютному відеоролику, викликали бурхливі обговорення у світі робототехніки.

Співзасновник дослідницького робота Kepler Дебо Ху зазначив: "Гуманоїдний робот Kepler покликаний зробити революцію в продуктивності праці за допомогою передових технологій, прискорюючи настання "триденного робочого тижня". Це дасть змогу людям приділяти більше часу значущим починанням, таким як освоєння космосу. Наша мета - щоб робот Kepler став першопрохідцем у посадці на екзопланету Kepler, проклавши шлях до другого дому для людства".

 

За заявою виробника, серію гуманоїдних роботів Kepler, що стала результатом трьох років інтенсивних досліджень і чотирьох ітерацій продукту, запустять у масове виробництво і почнуть постачати в 3 кварталі 2024 року за ціною близько 30 тис. дол. Пан Ху, співзасновник компанії Kepler Exploration Robot, публічно висловив зацікавленість у співпраці із суміжними гравцями в індустрії людиноподібних роботів.

Як зазначається, центральне місце в роботі Kepler  посідають запатентовані планетарний роликовий гвинтовий привід і роторний привід, які є ключовими для динамічного руху кінцівок робота-гуманоїда Forerunner. Планетарний ролико-гвинтовий привід, який використовується для управління кінцівками робота, забезпечує тягу в 8000 Н. Він перевершує звичайні двигуни за точністю управління, підвищеною потужністю і швидкістю реакції, вміло справляючись зі складними завданнями. Крім того, поворотний привід, встановлений у талії та суглобах, досягає пікового крутного моменту 200 Нм і точності позиціювання 0,01 градуса, забезпечуючи надійну підтримку руху тулуба і гарантуючи ефективну та стабільну роботу.

Крім того, рука робота-гуманоїда Kepler з 12 ступенями свободи може відчувати й акуратно захоплювати предмети, в точності імітуючи людську руку. Запатентована система NEBULA наділяє робота когнітивними здібностями у сприйнятті навколишнього світу, забезпечуючи точне розуміння довкілля та адаптивність, що дає змогу точно орієнтуватися і досліджувати складні ділянки місцевості. Інвестиції Kepler у втілений інтелект для великомасштабних моделей роботів покликані підняти когнітивні здібності робота до рівня, подібного до людського.

Одночасно з випуском робота компанія Kepler представила платформу для розробників, оснащену комплексними інтерфейсами розроблення, еталонними проєктами та великою документацією. Платформа також підтримує спільну роботу декількох роботів і пропонує потужні онлайн-інструменти для розробки та налагодження.

 

 

А вам було б цікаво зустрітися з таким роботом?

 

Запропоновано "легкий перехід" до обчислень у пам'яті

Швейцарський стартап Synthara запропонував своє розв'язання задачі організації обчислень у пам'яті, що не потребує внесення радикальних змін до нині широко поширеної обчислювальної архітектури.

З лавиноподібним зростанням популярності технології штучного інтелекту дедалі актуальнішим стає прискорення опрацювання великих обсягів інформації, що необхідні, наприклад, для великих мовних моделей з мільярдами параметрів. Мабуть, головною перешкодою для організації ефективної роботи з ними є обмежена пропускна здатність каналу передавання даних між оперативною пам'яттю та процесором. Виходом із цієї ситуації було б упровадження технології обчислень у пам'яті, але для цього знадобилося б докорінне перетворення обчислювальних платформ, які нині використовують. Однак просто інтегроване в них рішення від компанії Synthara може зняти таку суперечність.
Запропоновано "легкий перехід" до обчислень у пам'яті
Компанія стверджує, що інтеграція її технології в уже наявну архітектуру обчислювальної логіки може забезпечити 50-кратне підвищення продуктивності, не вимагаючи змін у загальній архітектурі чіпа або в програмних потоках. Причому у неї вже з'явився такий клієнт, як Bosch.

Цікаво, що стартап Synthara виокремився у 2019 р. з Інституту нейроінформатики (Цюрихський університет і ETH Zurich). А головою ради директорів компанії є Шон Мітчелл, співзасновник і генеральний директор компанії Movidius, що займається розробками в галузі штучного інтелекту та обробки технічного зору. Нагадаю, у 2016 році Movidius було продано Intel за 300 мільйонів євро.

Заснована Ману Наїром (Manu Nair), який нині обіймає посаду CEO, і Алессандро Аймаром (Alessandro Aimar), який є технічним директором компанії, Synthara розробила метод вбудовування обчислень у пам'яті в уже наявні програмно-апаратні платформи та підтримки застарілих застосунків. Технологія також може бути використана для розробки програмно-апаратних платформ з нуля.

За словами Наїра, обчислення в пам'яті - це те, що електронна промисловість повинна буде прийняти через енергоефективність. "Майже у всіх обчислювальних системах вузьким місцем є переміщення даних, тому підхід тут полягає в тому, щоб зменшити їхнє переміщення", - каже Наїр. Головна особливість пропозиції Synthara полягає в тому, що вона дає змогу компаніям ефективно здійснювати перехід, включно з підтримкою застарілого програмного забезпечення.

Пропозиція Synthara представлена у вигляді напівпровідникового IP під назвою ComputeRAM і супутнього програмного забезпечення, що додається в ланцюжок інструментів розробки.

Наразі ComputeRAM заснована на SRAM, але не залежить від типу пам'яті. Вона може бути застосована до ReRAM або інших типів пам'яті. Напівпровідникова ІС використовує масив пам'яті з додатковою периферійною схемою, яка збільшує площу приблизно на 5-10%, дозволяючи пам'яті виконувати математичні функції. Це повністю CMOS-сумісний процес.

"Система ComputeRAM пропонує дещо іншу абстракцію, ніж множення-накопичення. Її найнижчий обчислювальний примітив - це точковий добуток", - каже Наїр. "Ми вважаємо за краще працювати з бітовими комірками пам'яті. Ми також можемо працювати зі скомпільованими масивами пам'яті. Ми створимо компілятор ComputeRAM".

Програмне забезпечення також є ключовим елементом у ланцюжку інструментів. "Ми автоматизуємо розбиття алгоритмів і синхронізацію, розв'язуючи проблему для системного інтегратора", - каже Наїр.

"Інновації Synthara полягають в архітектурі, яка дозволяє нам зробити обчислення в пам'яті проблемою програмування, а не апаратною проблемою. Технологія не залежить від типу процесора - ми можемо підтримувати RISC-V, ARM або x86. Вона не залежить від технології пам'яті. Наш програмний стек дозволяє програмісту запускати як старі, так і нові алгоритми без переписування коду з підтримкою ComputeRAM", - стверджує компанія на своєму сайті.

Технологія також не залежить від типу даних. "Ми поки що не підтримуємо повноцінних обчислень із комою, що плаває, але цілі типи даних і блокчейн ми підтримуємо", - каже Наїр. "Крім того, вона динамічно конфігурується під час виконання".

Synthara випустила тестовий чіп ComputeRAM на базі SRAM за 22-нм техпроцесом 22FDX від GlobalFoundries. Наїр зазначив, що для ComputeRAM не потрібні можливості корпусування, характерні для техпроцесу 22FDX з повністю збідненим кремнієм на ізоляторі (FDSOI). Тестовий чип призначений для демонстрації, а його зразки будуть відправлені кільком замовникам.

Наїр заявив, що розраховує перенести ComputeRAM на техпроцес TSMC до кінця 2024 року, хоча вибір конкретного техпроцесу залежатиме від вимог провідних замовників.

На сьогодні Synthara залучила близько 3,5 млн дол. як початкове фінансування та отримала підтримку у вигляді грантів від Європейського союзу і швейцарських організацій на суму близько 5,5 млн швейцарських франків (близько 6,3 млн дол.). Наразі компанія продовжує займається збором коштів.

Гібридні фазо-обмінні мемристори поєднують можливості DRAM і NAND

У пошуках нових технологій пам'яті дослідники зуміли домогтися перспективних результатів, які дають змогу говорити про появу нового класу пристроїв, що поєднують високу швидкість роботи DRAM і енергонезалежність NAND.

Про свої нові гібридні резистивні перемикачі вчені Рочестерського університету розповідають у дослідженні, опублікованому в журналі Nature Electronics. Розроблений у лабораторії Стівена М. Ву, доцента кафедри електротехніки та комп'ютерної інженерії та фізики, підхід поєднує в собі найкращі якості двох наявних форм резистивних перемикачів, які використовуються для пам'яті: мемристорів і фазо-обмінних матеріалів. Обидві форми були вивчені на предмет їхніх переваг перед найпоширенішими сьогодні формами пам'яті, включно з динамічною пам'яттю з довільним доступом (DRAM) і флешпам'яттю, але мають свої недоліки.

Ву каже, що мемристори, які працюють шляхом подачі напруги на тонку нитку між двома електродами, зазвичай страждають від нестачі надійності порівняно з іншими формами пам'яті. Водночас фазо-обмінні матеріали, які передбачають вибіркове перетоплення матеріалу або в аморфний, або в кристалічний стан, вимагають занадто багато енергії.

"Ми об'єднали ідею мемристора і фазо-обмінного пристрою таким чином, щоб вийти за рамки обмежень кожного з них", - каже Ву. "Ми створили двотермінальний мемристорний пристрій, який переводить один тип кристала в інший тип кристалічної фази. Ці дві кристалічні фази мають різний опір, який можна використовувати як пам'ять".

Ключовим моментом є використання двовимірних матеріалів, які можна розтягнути до такої міри, що вони опиняться між двома різними кристалічними фазами, і їх можна буде зрушити в будь-яку сторону з відносно невеликим зусиллям.

"Ми створили його, по суті, просто розтягуючи матеріал в одному напрямку і стискаючи його в іншому", - каже Ву. "Це дає змогу збільшити продуктивність на порядки. Я бачу шлях, на якому це може опинитися в домашніх комп'ютерах як надшвидка і надефективна форма пам'яті. Це може мати велике значення для обчислювальної техніки в цілому".

Ву і його команда аспірантів провели експериментальну роботу й у співпраці з дослідниками з факультету машинобудування Рочестера, включно з доцентами Хесамом Аскарі та Собхітом Сінгхом, визначили, де і як деформувати матеріал. За словами Ву, найбільшою перешкодою на шляху створення мемристорів із фазовим переходом є подальше підвищення їхньої загальної надійності, але, проте, він натхненний прогресом, якого досягла команда на сьогодні.

"AI конкуруватиме з людиною вже через п'ять років"

Такий прогноз зробив у своєму виступі на конференції DealBook Summit глава Nvidia Дженсен Хуанг (Jensen Huang).

За словами Дженсена Хуанга, якщо під штучним інтелектом загального призначення (artificial general intelligence, AGI) розуміти комп'ютер, який може виконувати тести, "цілком зіставні" з людським інтелектом, то "в найближчі п'ять років ви побачите AI, здатні виконувати ці тести".

Що ж стосується найближчої перспективи, то, на думку Дженсена Хуанга, конкуренція у сфері AI призведе до появи готових інструментів AI, які компанії в різних галузях налаштовуватимуть відповідно до своїх потреб - від проєктування мікросхем і створення програмного забезпечення до відкриття ліків і радіології.

За словами Дженсена Хуанга, одна з причин, чому технологічна індустрія все ще перебуває на відстані кількох років від AGI, полягає в тому, що, хоча машинне навчання наразі майстерно справляється з такими завданнями, як розпізнавання і сприйняття, воно поки що не може виконувати багатоступеневі міркування, що є пріоритетом для компаній і дослідників.

"Усі над цим працюють, - сказав Хуанг. І технологія розвивається дуже швидко. Немає жодних сумнівів у тому, що темпи прогресу високі. Усі ми розуміємо, що, звісно, те, що ми можемо зробити сьогодні за допомогою цих моделей та інтелекту, пов'язане, але не одне й те саме".

Що й казати, перспектива в 5 років виглядає зовсім не як віддалене майбутнє, тому людству варто серйозно замислитися над тим, як піде його подальший розвиток за участю AGI.

 

Ukraine

 

  •  Home  •  Ринок  •  IТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Мережі  •  Безпека  •  Наука  •  IoT