Connect with us

Hi, what are you looking for?

Notebookspec

Other News

เอาแล้ว!!! IBM ประสบความสำเร็จในการพัฒนาชิปเลียนแบบสมองและเส้นประสาทมนุษย์

โดยทั่วไปหลักการทำงานของคอมพิวเตอร์ที่เราๆ ท่านๆ ใช้กันอยู่นั้นจะเป็นการรับข้อมูลเข้าเพื่อนำไปประมวลผลแล้วก็นำข้อมูลที่ผ่านการประมวลผลแล้วแสดงออกมาให้เราได้เห็นครับ ถึงแม้ว่าจะมีการพัฒนาทางด้านวิทยาศาสตร์คอมพิวเตอร์มาอย่างต่อเนื่องมากมาย โดยเฉพาะอย่างยิ่งกับสาขาวิชาปัญญาประดิษฐ์ที่สร้างให้คอมพิวเตอร์สามารถที่จะเรียนรู้ ตัดสินใจ ฯลฯ ให้ฉลาดมากขึ้นโดยพยายามให้ใกล้เคียงกับมนุษย์มากที่สุด แต่ก็ยังคงมีข้อจำกัดหลายๆ อย่างในการทำงานที่ทำให้คอมพิวเตอร์ไม่สามารถประมวลผลได้ดั่งที่มนุษย์ทำได้ครับ

 

Advertisement

IBM-chip2 600 01

 

 

แน่นอนการพัฒนาทางด้านคอมพิวเตอร์นั้นจะต้องทำให้ทะลุข้อจำกัดหลายๆ อย่างที่มีอยู่ในปัจจุบันจึงจะสามารถทำให้คอมพิวเตอร์ประมวลผลได้ดีกว่าที่เป็นอยู่ในปัจจุบัน(หรือเข้าใกล้มนุษย์มากที่สุด) ในปี 2008 ทาง IBM จึงได้ร่วมงานกับหน่วยวิจัยของกระทรวงกลาโหมสหรัฐอเมริกาหรือ DARPA ในโครงการที่มีชื่อเรียกว่า Systems of Neuromorphic Adaptive Plastic Scalable Electronics (SyNAPSE) เพื่อที่จะพัฒนาระบบคอมพิวเตอร์ที่มีหลักการทำงานแตกต่างไปจากคอมพิวเตอร์ในปัจจุบันให้มากที่สุดแต่เข้าใกล้กับการทำงานของระบบประสาทในสมองของมนุษย์ให้มากที่สุดครับ

หลังจากหลายปีของการพัฒนานั้นทาง IBM ก็ประสบความสำเร็จในการสร้างชิปหน่วยประมวลผล SyNAPSE(ตามชื่อของตัวโครงการเอง) ซึ่งเจ้าชิปหน่วยประมวลผลนี้จะประกอบไปด้วย distributed neurosynaptic core หรือคอร์ที่ทำหน้าที่เสมือนกับการกระจายระบบความคิดเหมือนระบบประสาทของมนุษย์ ซึ่งคอร์นี้จะสามารถประมวลผล, เก็บข้อมูล(ในหน่วยความจำ) และติดต่อสื่อสารกับคอร์อื่นๆ ที่อยู่ในชิป(จำนวนมากถึง 4,096 คอร์) ได้ด้วยตัวของมันเอง

ทาง IBM ได้สร้างระบบที่มีชื่อเรียกว่า The TrueNorth system ขึ้นมาโดยใช้เจ้าชิป SyNAPSE นี้มาประกอบเข้าด้วยกันโดยชิปแต่ละตัวจะทำหน้าที่เหมือนกับเซลล์ประสาทของมนุษย์ ทำให้ทางนักวิจัยสามารถที่จะสร้างเครือข่ายประสาทเทียม(artificial neural network) ขึ้นมาได้ โดยในระบบ The TrueNorth system ที่ทาง IBM ได้จัดทำขึ้นมานี้ประกอบไปด้วยการเชื่อมต่อถึง 48 ล้านการเชื่อมต่อเลยทีเดียวครับ(ซึ่งเทียบเท่ากับสมองของหนูโดยการนำชิป SyNAPSE มาเชื่อมต่อกันที่ 48 ชิปเท่านั้น)

IBM-chip2 600 02

ตัวระบบ The TrueNorth system นั้นถูกดีไซน์ขึ้นมาเพื่อที่จพแสดงความสามารถในการเรียนรูปขั้นตอนวิธีการระดับลึก(“deep learning” algorithms) เปรียบไปแล้วก็เหมือนกับฟีเจอร์ใหม่ของ Facebook ในการทำการจดจำใบหน้าหรือฟีเจอร์ในการแปลภาษาทันทีทันใดของ Skype ครับ

เมื่อเปรียบเทียบกันในส่วนของต้นทุนของการประมวลผลภายในแล้วระบบ TrueNorth chip ที่มีจำนวนทรานซิสเตอร์ถึง 5.4 พันล้านหน่วยอยู่ภายในจะใช้พลังงานไฟฟ้าที่ 70 mw เท่านั้น ขณะที่ถ้าเราใช้หน่วยประมวลผลของ Intel ในปัจจุบันที่มีทรานซิสเตอร์ 1.4 พันล้านหน่วยอยู่ภายในกลับต้องใช้กำลังไฟฟ้าอยู่ในช่วง 35 – 140 watts ในการทำงานเลยทีเดียว

ความเป็นจริงแล้วในอนาคตเราสามารถที่จะนำเอา TrueNorth system ไปใส่ไว้บนชิปเล็กๆ ที่ถูกใช้งานในการประมวลผลสมาร์ทโฟนหรือสมาร์ทวอท์ชได้อีกต่างหากครับ(ในทางทฤษฎีนะครับ เพราะในความเป็นจริงนั้นคงต้องรอดูต่อไปว่าจะมีการปรับใช้งานอย่างไร) นอกไปจากนั้น TrueNorth chip ยังอาจจะสามารถนำเอาไปใช้ทดแทน GPUs หรือ FPGAs (function-specific programmable chips) ซึ่งชิปทั้ง 2 แบบนี้มีหลักการประมวลผลในแนว “deep learning” เช่นเดียวกัน แต่ทว่า TrueNorth chips นั้นสามารถทำงานทางด้านนี้ได้ดีกว่ามากครับ

อย่างไรก็ตาม Peter Diehl นักศึกษาปริญาเอกที่อยู่ใน cortical computation group ที่ ETH Zurich(ซึ่งทำงานอยู่กับ IBM ในการพัฒนาโครงการนี้) ได้พูดไว้ครับว่า ด้วย TrueNorth chip นี้ทาง IBM หวังเป็นอย่างยิ่งว่าตัวโครงการนั้นจะสามารถทำให้ประชาชนทั่วไปได้เข้าถึงการประมวลผลรูปแบบเดียวกับของ data centers ในปัจจุบันได้ครับ

ทั้งนี้ทั้งนั้นนี่ก็ถือได้ว่าเป็นอีกก้าวหนึ่งของวงการชิปประมวลผลที่มีการพัฒนาขึ้นไปเป็นอย่างมากครับ โดยเฉพาะอย่างยิ่งเมื่อเทียบว่าจะทำให้คอมพิวเตอร์สามารถประมวลผลได้เหมือนกับมนุษย์ด้วยแล้ว แต่ก็อย่าพึ่งตกใจกลัวไปนะครับ เพราะคงจะต้องใช้เวลาอีกนานครับกว่าจะทำให้ชิปประมวลผลสามารถคิดวิเคราะห์หรือทำอะไรได้เหมือนกับหุ่นยนต์ที่เราได้เห็นในหนัง Sci-Fi ได้จริงๆ ครับ

ที่มา : engadget

Click to comment
Advertisement

บทความน่าสนใจ

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริงAdvertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ จึงไม่มีสถาปัตยกรรมโปรเซสเซอร์เพียงรูปแบบเดียวที่สามารถจัดการทุกกระบวนการเหล่านี้ได้อย่างมีประสิทธิภาพ แต่จำเป็นต้องอาศัยการทำงานร่วมกันของหน่วยประมวลผลหลากหลายประเภท ...

PR-News

กรุงเทพฯ, 28 กันยายน 2569 – ไมโครซอฟท์ ยกระดับ Microsoft Copilot รองรับโลกการทำงานที่มีการเปลี่ยนแปลงอย่างต่อเนื่อง เพื่อช่วยเพิ่มศักยภาพให้ทุกคนและทุกองค์กรบรรลุเป้าหมายได้มากยิ่งขึ้น โดย Copilot โฉมใหม่เชื่อมโยงเครื่องมือที่ผู้คนคุ้นเคย เข้ากับขีดความสามารถ AI ยุคใหม่สำหรับการสร้าง ปรับแต่ง และขยายการใช้งาน AI ในทุกมิติของการทำงาน ปัจจุบันแอป Copilot มาพร้อม...

PR-News

โครงสร้างต้นทุน AI สำหรับองค์กรกำลังเปลี่ยนแปลงไป เมื่อโมเดล AI ระดับแนวหน้ารุ่นใหม่และ Agentic AI ช่วยขยายขีดความสามารถของปัญญาประดิษฐ์ในภาคธุรกิจให้กว้างขึ้น อย่างไรก็ตาม องค์กรที่ยังไม่เริ่มวางกลยุทธ์การปรับใช้ระบบแบบไฮบริดตั้งแต่วันนี้ อาจต้องแบกรับค่าใช้จ่ายด้าน AI ที่สูงขึ้นอย่างมากในอีกไม่กี่ปีข้างหน้า  หากองค์กรของคุณขยายการใช้งาน AI ในช่วง 18 เดือนที่ผ่านมา คุณอาจสังเกตเห็นแนวโน้มบางอย่าง การเปิดให้เข้าถึง AI ในวงกว้างขึ้น ใช้งานมากขึ้น...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก