اینتل از نسل دوم دانگل یواسبی Neural Compute Stick برای انجام پردازش‌های یادگیری ماشین رونمایی کرد.
کمی بیشتر از یک سال از عرضه‌ی عمومی دانگل Movidius Neural Compute Stick توسط اینتل می‌گذرد. این محصول را شرکت مویدیوس که در سپتامبر ۲۰۱۶ توسط Intel خریداری شد، تولید می‌کرد و یک سیستم روی چیپ بود که در قالب یک دانگل یواسبی فلزی ۷۹ دلاری عرضه شد. این وسیله به‌طور خاص برای سرعت بخشیدن به الگوریتم‌های یادگیری ماشین طراحی شده بود. اینتل می‌گوید از آن زمان تاکنون این دستگاه در ده‌ها پروژه‌ی تحقیقاتی به‌کار رفته و هزاران توسعه‌دهنده از این دستگاه استفاده کرده‌اند. اکنون اینتل از نسل بعدی این دانگل رونمایی کرده است.
در کنفرانس توسعه‌دهندگان هوش مصنوعی اینتل که در پکن برگزار می‌شد، این شرکت Neural Compute Stick 2 (به اختصار، NCS 2) را معرفی کرد. نسل قبلی این دانگل از واحد پردازش بصری (VPU) قدیمی‌تر اینتل، میریاد ۲، استفاده می‌کرد که در محصولات دیگری همچون دوربین Clip گوگل و فانتوم ۴ DJI نیز به‌کار رفته بود. اما در نسل جدید، اینتل از VPU جدیدتر و قوی‌تر خود، Myriad X بهره می‌برد که طبق ادعای این شرکت ۸ برابر توان پردازشی بیشتری دارد. این محصول با قیمت ۹۹ دلار برای فروش عرضه شده است.
اینتل NCS 2 را راهکاری کامل برای ساخت پروتوتایپ الگوریتم‌های هوش مصنوعی، مثل شبکه‌های عصبی پیچشی (CNN) که بخش اصلی بسیاری از سیستم‌های شناسایی تصویر هستند، عنوان می‌کند. جاناتان بَلِن، معاون رئیس و مدیرکل بخش اینترنت اشیای اینتل، می‌گوید که این دانگل به‌طور خاص برای کارهایی مانند دوربین‌های هوشمند ارزیابی، پهپادها، ربات‌های صنعتی و وسایل خانه‌ی هوشمند طراحی و ساخته شده است. او می‌گوید:
در نزدیک به چهار سال گذشته، مقدار زیادی از پردازش‌های AI در فضای ابری یا دیتاسنترها صورت می‌گرفته است. این موضوع در شرایطی که میزان داده زیاد باشد و محدودیتی روی منابع پردازشی، انرژی و خنک کردن سیستم‌ها وجود نداشته باشد، اشکالی ندارد. (اما) خارج از پایگاه‌های داده، مصرف انرژی و همچنین گرما و قیمت اهمیت فراوانی دارند.
او اضافه می‌کند که استفاده از NCS 2 مشتریان را قادر می‌کند تا در چنین محدودیت‌هایی به‌راحتی به فعالیت بپردازند.
استفاده از Myriad X
NCS 2 از USB 3.0/3.1 پشتیبانی می‌کند که سریع‌تر از یواسبی ۲ در نسل قبل است. در صورت نیاز به قدرت بیشتر هم می‌توان از چند NCS 2 استفاده کرد و با اتصال هرکدام توان پردازشی به‌طور خطی افزایش می‌یابد.
واحد پردازش بصری میریاد ۲، ساختار ۲۸ نانومتری داشت و از ۱۲ هسته‌ی پردازشی SHAVE بهره می‌برد. در حالی که میریاد X در NCS 2، معماری ۱۶ نانومتری فین‌فت دارد و حافظه‌ی درونی آن به ۲.۵ مگابایت افزایش یافته و دو هسته‌ی همه‌منظوره‌ی RISC دارد. همین‌طور چندین شتاب‌دهنده‌ی بصری کم‌مصرف هم درون این VPU قرار داده شده، شامل واحد پردازش دوگانه که می‌تواند دو فید 720p را تا حداکثر 180Hz پردازش کند و یک پایپ‌لاین پردازش سیگنال قابل تنظیم که می‌تواند به‌صورت سخت‌افزاری تا حداکثر رزولوشن 4K را از ۸ سنسور انکود کند (این مؤلفه در Myriad 2، شامل ۶ سنسور بود).
همچنین میریاد X اولین واحد پردازش بصری است که از Neural Compute Engine اینتل بهره می‌برد؛ یک شتاب‌دهنده‌ی سخت‌افزاری اختصاصی با پشتیبانی از FP16 و fixed-point هشت بیتی که پردازش‌های شبکه عصبی را تسریع می‌کند.
اینتل ادعا می‌کند توان پردازشی این چیپ به ۴ ترافلاپس می‌رسد و در بیشترین حالت، به هزار میلیارد عملیات اختصاصی پردازش شبکه عصبی در هر ثانیه دست پیدا می‌کند و عملکرد آن در زمینه‌ی تحلیل شبکه‌ی عصبی عمیق (DNN)، حدود ۱۰ برابر بهتر از میریاد ۲ است.
بلن می‌گوید:
این محصول به‌طور خاص برای دانشمندان علوم داده‌ها یا توسعه‌دهندگان نرم‌افزار بهینه شده که با توجه به محدودیت‌های مصرف انرژی‌شان می‌خواهند حداکثر بهره‌وری را از بخش‌های مختلف دریافت کنند.
تجاری‌سازی هوش مصنوعی
توسعه‌دهندگان از نسل قبلی، یعنی Movidius Compute Stick برای ساخت وسایل متنوعی از پهپادهای مخصوص پیدا کردن کوسه‌ها گرفته تا دوربین‌های کم‌هزینه برای تشخیص سرطان پوست استفاده کرده‌اند. اینتل امیدوار است که از نسل جدید این دانگل نیز به همین میزان استفاده شود.
NCS 2 با الگوریتم‌های آماده‌ی AI برای تشخیص چهره و تشخیص و تعقیب اشیا عرضه می‌شود و علاوه‌بر آن از کیت‌های توسعه‌ی نرم‌افزاری Compute مویدیوس و Computer Vision اینتل و OpenVINO نیز پشتیبانی می‌کند. Open VINO که اوایل امسال توسط اینتل معرفی شد، ابزاری برای استفاده از هوش مصنوعی در رایانش مرزی است که از فریم‌ورک‌هایی مانند Caffe2 فیسبوک و TesorFlow گوگل پشتیبانی می‌کند.
اینتل در پی این است که در کنار عرضه‌ی این وسیله، برای برنامه‌ی Intel AI: In Production هم بازاریابی بیشتری انجام دهد. بلن توضیح می‌دهد که این برنامه پلتفرمی سرتاسر (End-to-end) برای تبدیل پروتوتایپ‌های هوش مصنوعی به محصولات مصرفی است. او می‌گوید اینتل به دنبال این است که از آزمایشات و اثبات مفاهیم در فضای آکادمیک فراتر رفته و به تجاری‌سازی نوآوری‌های جامعه‌ی توسعه‌دهندگان کمک کند.
در همین راستا توسعه‌دهندگانی که می‌خواهند از این فرصت استفاده کنند، به کامپیوترهای AI DevCloud اینتل با امکاناتی نظیر فضای ذخیر‌سازی و پردازنده‌های Xeon Scalable با تنظیمات قابل انتخاب دسترسی پیدا می‌کنند. پس از آنکه با استفاده از این کامپیوترها، آزمایش و بهینه‌سازی مدل‌ها انجام شد و از صحتشان اطمینان حاصل شد، ابزار و نمونه‌کدهایی در اختیار این افراد خواهد بود که ادامه کارشان روی وسایلی مانند NCS 2 یا بردهای mini-PCIe شرکت آیون، به آن‌ها کمک می‌کند. بلن درباره این امکانات می‌گوید:
این یک مجموعه‌ی کامل برای سخت‌افزار ما است که ابزار، افراد متخصص و اکوسیستم‌های مختلف را دور هم جمع می‌کند و به توسعه‌دهنده‌ها کمک می‌کند شریک مناسب خود را، چه یک ISP باشد، چه یک سرویس‌دهنده‌ی ابری یا حتی یک تولیدکننده‌ی قطعات، پیدا کنند.
یکی از توسعه‌دهندگان تیم Inter AI: In Production اینتل به نام پیتر ما، با ساخت دستگاه تشخیص میکروب در آب توانست مقام نخست را در رویداد World Virtual GovHack که توسط موسسه‌ی واقع در دبی GovTechPrize در سال ۲۰۱۷ برگزار می‌شد کسب کند. این پروژه برای تشخیص پاکی آب از یک میکروسکوپ دیجیتال و یک الگوریتم تشخیص الگو که روی میریاد ۲ اینتل اجرا می‌شود، استفاده می‌کند.
پروژه‌ی Clean Water AI که با استفاده از Neural Compute Stick پیاده‌سازی شده
ناوین رائو معاون اینتل و مدیرکل محصولات هوش مصنوعی این شرکت می‌گوید:
نسل اول این محصول با مشخصات ظاهری و قیمتی که پیش از آن وجود نداشت، باعث شد تعداد زیادی از توسعه‌دهندگان هوش مصنوعی بتوانند در این زمینه به فعالیت بپردازند. ما مشتاقیم تا ببینیم که با این ارتقای زیاد توان پردازشی در NCS 2 جدید اینتل، جامعه‌ی توسعه‌دهندگان چه چیزهای جدیدی می‌سازد.