اقتصاد دانش بنیان

هوش مصنوعی و یک فناوری کلیدی دیگر

سيستم تشخيص چهره با چيپ هاي نيمه هادي

هوش مصنوعي يکي از فناوري هاي کليدي در حال ظهور است. شرکت هاي آي تي در گوشه و کنار جهان در رقابت با يکديگر فناوري هاي جديدي خلق مي کنند و اين رقابت امروزه بيش از هر زمان ديگري گرم شده، اگرچه بيشتر تکنولوژي هاي هوش مصنوعي، بر نرم افزارها متمرکز هستند و سرعت عملکرد آن ها پايين ارزيابي مي شود که امکان استفاده از آن ها روي تجهيزات موبايل را کاهش مي دهد.
بسياري از شرکت هاي بزرگ فناوري مشغول سرمايه گذاري روي امکان استفاده از چيپ هاي نيمه هادي براي استفاده در برنامه هاي هوش مصنوعي با نياز پايين پردازش اما سرعت بالا هستند. يک تيم تحقيقاتي به مديريت دکتر هو جون يو، استاد بخش مهندسي الکترونيک، يک چيپ نيمه هادي به نام CNNP ابداع کرده که قادر است الگوريتم هاي هوش مصنوعي را با نيروي پردازش بسيار پايين اجرا کند که شامل K-eye هم مي شود؛ سيستم تشخيص چهره که براي فعاليت از چيپ CNNP بهره مي برد.
اين سيستم در همکاري با استارت آپ يوايکس تهيه شد. سيستم هاي K-eye به دو صورت در دسترس است؛ مدل پوشيدني و مدل دانگل. نوع پوشيدني آن را مي توان به کمک بلوتوث به يک تلفن هوشمند متصل ساخت. اين وسيله با کمک باتري داخلي خود براي بيش از ساعت کار مي کند. کاربراني که K-eye را مانند يک گردنبند مورد استفاده قرار مي دهند، قادرند به اطلاعات درباره افراد به کمک تلفن يا ساعت هوشمند خود دسترسي داشته باشند. يک تلفن هوشمند با K-eyeQ نوع دانگلي اين وسيله مي تواند کار تشخيص و به اشتراک گذاري داده ها را در هر زماني انجام دهد.
زماني که روشن شود کاربر تاييد شده به صفحه نمايش مي نگرد، تلفن همراه بدون نياز به پسورد، اثر انگشت يا هر نوع سيستم ديگر تشخيص هويت روشن مي شود. اين سيستم  مي تواند تفاوت بين چهره زنده و واقعي را با يک تصوير ثبت شده تشخيص دهد؛ به اين ترتيب امکان دور زدن سيستم براي دسترسي به تلفن هوشمند وجود ندارد. مدل هاي K-eye ويژگي هاي مشخص کننده ديگري هم دارد، مي تواند يک چهره را شناسايي و بعدا تشخيص دهد، اين امکان وجود دارد که سيستم دائما روشن باشد و در اين حالت مصرف انرژي بسيار پايين خواهد بود (کمتر از يک ميلي وات). براي اجرايي شدن اين ويژگي، تيم مطالعاتي دو فناوري کليدي را پيشنهاد دادند؛ يک سنسور تصوير با قابليت شناسايي چهره در حالت دائما روشن و چيپ تشخيص چهره CNNP.

مکانيسم عمل
فناوري کليدي اول، سنسور تصوير هميشه روشن، مي تواند مشخص سازد آيا چهره اي در برد دوربين وجود دارد يا خير. سپس مي تواند فريم هايي برداشت کند و دستگاه را تنظيم کند تا تنها زماني که يک چهره موجود باشد فعاليت کند و سبب کاهش مصرف انرژي در حالت استندباي شود.
سنسور تشخيص چهره فرايندسازي آنالوگ و ديجيتالي را براي کاهش مصرف انرژي تلفيق مي کند. با اين راه کار پردازنده آنالوگ با سنسور تصوير CMOS تداخل مي يابد و مي تواند ناحيه بک گراند را براي يافتن چهره ها بکاود و پروسسور ديجيتال چهره مشخص شده در ناحيه انتخابي را تشخيص مي دهد. به اين ترتيب بهينه سازي عملياتي از ديدگاه ثبت تصاوير، پردازش چهره ها و کاربرد حافظه صورت مي گيرد.
فناوري کليدي دوم، CNNP مصرف پايين انرژي را به کمک بهينه سازي شبکه عصبي رايانه اي پيچ خورده (CNN) از ديدگاه مدارات، معماري، ساختار و الگوريتم ها ميسر مي سازد. ابتدا حافظه نصب شده روي چيپ در CNNP، به گونه اي طراحي شده که بتوان به داده ها در جهت عمودي و افقي دسترسي يافت. ثانيا قدرت پردازش بالايي با استفاده از مولتي پلايرها و اکيومولاتورها به صورت موازي با يکديگر به دست مي آيد که مي تواند نتايج موقت را بدون دسترسي به حافظه جانبي يا شبکه ارتباطي روي چيپ منتقل سازد. ثالثا محاسبات پيچيده با فيلترهاي دوبعدي در الگوريتم CNN در محاسبات متوالي فيلترهاي تک بعدي قرار مي گيرند تا سرعت افزايش و مصرف انرژي کاهش داشته باشد. با اين فناوري ها، CNNP به دقت در حدود 97 درصد تنها با مصرف يک پنج هزارم انرژي GPU دست مي يابد. تشخيص چهره تنها با کاربرد 62/0 ميلي وات ممکن مي شود. نتايج اين پژوهش در کنفرانس مدارات حالت جامد در سانفرانسيسکو عرضه شد. چيپ CNNP کمترين ميزان مصرف انرژي را در دنيا به خود اختصاص مي دهد و سبب توسعه فناوري K-eye مي شود.
دکتر يو مي گويد که پردازنده هاي هوش مصنوعي دوران انقلاب صنعتي چهارم را رهبري مي کنند. با ابداع اين چيپ  هوش مصنوعي ما انتظار داريم کشور کره در فناوري هوش مصنوعي در دنيا اول باشد.

منبع: مجله دانش بنیان