كشف باحثون من معهد ماساتشوستس للتكنولوجيا MIT حديثًا عن شريحة حاسوبية جديدة مُحسنة لاستخدامها في تطبيقات التعلم العميق، وهو أحد فروع علم الذكاء الاصطناعي، الذي أصبح يحظى برواج كبير. وأوضح فريق الباحثين أن الشريحة، المسماة آيريس Eyeriss، قد تسمح للأجهزة المحمولة بأداء مهام، مثل معالجة اللغات الطبيعية، والتعرف على الوجوه، دون الحاجة للاتصال بالإنترنت. ويُعد تطوير هذه الشريحة الإلكترونية أحدث المحاولات الرامية إلى جعل عمليات معقدة تعتمد على تقنيات تعلم الآلة ممكنةً أكثر دون الحاجة للإنترنت. وهذا يعني، وفقًا لخبراء، أن الهواتف الذكية، والأجهزة القابلة للارتداء، والروبوتات، والسيارات ذاتية القيادة، والأجهزة الأخرى التي تنضوي تحت مفهوم إنترنت الأشياء، قد تكون قادرة على تنفيذ عمليات تعلم عميق معقدة، وهو أمر ما يزال من الصعب جدًا القيام به حتى الآن. يُشار إلى أن تطبيقات التعلم العميق تتطلب عادةً كميات كبيرة من قدرات المعالجة الحاسوبية، ثم إن معالجات الرسوميات، وهي الرقائق الإلكترونية المصممة لعرض الرسوميات التي تُرى على شاشات الحواسب، جيدة بما فيه الكفاية للتعامل مع هذه المهمة. ولكن يعيبها أنها تتطلب أيضًا قدرًا هائلًا من الطاقة. ولما كان هذا العيب يجعلها غير عملية لاستخدامها في مجالات التعلم العميق على الأجهزة المحمولة، كان الحل لذلك أخذ البيانات الخام التي تُجمع من قبل الأجهزة، ثم تحميلها على الإنترنت، ثم تنفيذ تقنيات التعلم العميق على خوادم قوية، ثم إعادة النتائج مرة أخرى عبر شبكة الإنترنت إلى الجهاز. ويُشار أيضًا إلى أن الأجهزة المحمولة لا يمكنها أداء مهام التعلم العميق، ما لم يتوفر اتصال بالإنترنت، إذ يحتاج المساعد الشخصي سيري من آبل؛ على سبيل المثال، طاقة كبيرة للمعالجة لفهم الكلام البشري، وهو ما لا يمكن لسيري فهمه ما لم يتوفر لها اتصال مباشر مع خوادم آبل. وتبرز في هذا المجال أيضًا مشكلتان، الأولى: الخصوصية، إذ يجري نقل معلومات قد تكون شخصية بطبيعة الحال إلى خوادم بعيدة، والأخرى هي بطء الاستجابة، بسبب مقدار الوقت الذي يتطلبه نقل وإعادة المعلومات من وإلى الجهاز المحمول. ويقول باحثو معهد ماساشوستس للتكنولوجيا إن الشريحة الإلكترونية Eyeriss صُممت بطريقة تجعلها أكثر كفاءة في استهلاك الطاقة بنحو 10 مرات، مما يعني أنها قادرة على تجنب كل هذه المشكلات دون التفريط في البطارية. يُشار إلى أن Eyeriss، التي لم يُعلن بعد عن موعد وصولها إلى الأجهزة الذكية، هي الأحدث في سلسلة من الشرائح الإلكترونية التي تستهدف إلغاء الحاجة لربط تقنيات التعلم العميق بخوادم بعيدة. إذ كشفت شركة كوالكوم خلال معرض الإلكترونيات الاستهلاكية CES 2016 مطلع الشهر الفائت عن المعالجين سنابدراجون 820أي و سنابدراجون 820أي إم، اللذين يسمحان للسيارات بتحديد عدة علامات للمسارات على الطرق وفهم الإشارات المرورية باستخدام التعلم العميق. كما كشفت شركة إنفيديا خلال الحدث نفسه كيف أن معالجات تيجرا Tegra التابعة لها قد تكون قادرة على استخدام تقنيات التعلم العميق ليصبح بالإمكان استعمالها في قيادة السيارات ذاتية القيادة. وكان فريق البحث من معهد ماساتشوستس للتكنولوجيا، الذي ترأسه البروفيسور فيفيان سزي من قسم الهندسة الكهربائية وعلوم الحاسوب، قد عرض الشريحة Eyeriss في المؤتمر الدولي لدوائر الحالة الصلبة في سان فرانسيسكو، حيث استخدموها لتنفيذ مهمة التعرف على الصور.