تحقیقات انتیتی در رویداد سالانه ارتقاء خود اعلام کرد که یک گروه تحقیقاتی بنیادی جدید هوش مصنوعی به نام گروه فیزیک هوش مصنوعی (Physics of Artificial Intelligence Group) راهاندازی کرده است.
هوش مصنوعی فیزیکی در سال 2025 به موضوع مهمی تبدیل شده است و انویدیا (Nvidia) پیشتاز این عرصه در ایجاد دادههای مصنوعی برای پیشآزمایش خودروهای خودران و رباتیک انساننما است تا بتوانند سریعتر وارد بازار شوند. تحقیقات انتیتی نیز با راهاندازی گروه فیزیک هوش مصنوعی (PAI) قصد دارد در این زمینه فعالیت کند.
گروه مستقل جدید تحقیقات انتیتی از آزمایشگاه فیزیک هوش (PHI) جدا شده است تا درک ما از "جعبه سیاه" هوش مصنوعی را برای نتایج بهتر اعتماد و ایمنی ارتقا دهد. تحقیقات انتیتی، که بودجه سالانه تحقیق و توسعه آن 3.6 میلیارد دلار است، بخشی از انتیتی، شرکت بزرگ مخابراتی ژاپن است.
سال گذشته، انتیتی "چشمانداز فیزیک هوش" خود را ایجاد کرد که در ابتدا با همکاری مرکز علوم مغز دانشگاه هاروارد شکل گرفت و کمکهای کلیدی در طول پنج سال گذشته و همکاری مداوم با شرکای دانشگاهی انجام شد.
این گروه جدید توسط هیدنوری تاناکا، دانشمند تحقیقاتی انتیتی و متخصص در فیزیک، علوم اعصاب و یادگیری ماشین، در پیگیری گستردهتر همکاری انسان و هوش مصنوعی رهبری خواهد شد.
این گروه جدید به پیشبرد رویکرد بینرشتهای برای درک هوش مصنوعی که توسط این تیم در طول پنج سال گذشته پیشگام شده است، ادامه خواهد داد.
در ابتدا، آزمایشگاه PHI اهمیت درک ماهیت "جعبه سیاه" هوش مصنوعی و یادگیری ماشین را برای توسعه سیستمهای جدید با راندمان انرژی به شدت بهبود یافته برای محاسبات تشخیص داد. با پیشرفت سریع هوش مصنوعی، مسائل مربوط به اعتماد و ایمنی نیز برای کاربردهای صنعتی و حاکمیت پذیرش هوش مصنوعی اهمیت حیاتی پیدا کرده است.
گروه فیزیک هوش مصنوعی با همکاری محققان برجسته دانشگاهی، قصد دارد به شباهتهای بین هوشهای بیولوژیکی و مصنوعی بپردازد، پیچیدگیهای مکانیسمهای هوش مصنوعی را بیشتر آشکار کند و اعتمادی ایجاد کند که منجر به ادغام هماهنگتر همکاری انسان و هوش مصنوعی شود. هدف این است که درک بهتری از نحوه عملکرد هوش مصنوعی از نظر آموزش، جمعآوری دانش و تصمیمگیری به دست آوریم تا بتوانیم هوش مصنوعی منسجم، ایمن و قابل اعتماد را در آینده طراحی کنیم.
این رویکرد بازتابی از کاری است که فیزیکدانان در طول قرنها انجام دادهاند: مردم درک کرده بودند که وقتی نیرو به اجسام وارد میشود، حرکت میکنند، اما این فیزیک بود که جزئیات دقیق این رابطه را آشکار کرد، که به انسان اجازه داد ماشینهایی را که امروزه میشناسیم، طراحی کند. برای مثال، توسعه موتور بخار به درک ما از ترمودینامیک کمک کرد، که به نوبه خود امکان ایجاد نیمهرساناهای پیشرفته را فراهم کرد. به طور مشابه، کار این گروه آینده فناوری هوش مصنوعی را شکل خواهد داد.
این گروه جدید به همکاری با مرکز علوم مغز دانشگاه هاروارد (CBS) به رهبری پروفسور ونکاتش مورتی و با استادیار دانشگاه پرینستون (و دانشمند سابق تحقیقات انتیتی) گوتام ردی ادامه خواهد داد. این گروه همچنین قصد دارد با استادیار دانشگاه استنفورد، سوریا گانگولی، که تاناکا چندین مقاله با او به طور مشترک نوشته است، همکاری کند. تیم اصلی این گروه شامل تاناکا، مایا اوکاوا دانشمند تحقیقاتی انتیتی و اکدیپ سینگ لوبانا، محقق فوق دکترا در تحقیقات انتیتی است.
مشارکتهای قبلی تا به امروز شامل موارد زیر است:
• یک الگوریتم هرس شبکه عصبی که به طور گسترده مورد استناد قرار گرفته است (بیش از 750 استناد تنها در 4 سال)
• یک الگوریتم حذف سوگیری برای مدلهای زبانی بزرگ (LLM)، که توسط مؤسسه ملی استانداردها و فناوری ایالات متحده (NIST) به دلیل بینشهای علمی و عملی آن مورد تقدیر قرار گرفته است. و
• بینشهای جدید در مورد پویایی نحوه یادگیری مفاهیم توسط هوش مصنوعی
گروه فیزیک هوش مصنوعی در آینده ماموریت سه جانبهای دارد. 1) قصد دارد درک ما از مکانیسمهای هوش مصنوعی را عمیقتر کند، تا اخلاق را از درون ادغام کند، نه از طریق مجموعهای از تنظیمات دقیق (یعنی یادگیری اجباری). 2) با قرض گرفتن از فیزیک تجربی، به ایجاد سیستماتیک فضاهای قابل کنترل هوش مصنوعی و مشاهده رفتارهای یادگیری و پیشبینی هوش مصنوعی گام به گام ادامه خواهد داد. 3) آرزو دارد از طریق بهبود عملیات و کنترل دادهها، شکاف اعتماد بین هوش مصنوعی و اپراتورهای انسانی را التیام بخشد.
کازو گومی، رئیس و مدیرعامل تحقیقات انتیتی در بیانیهای گفت: «امروز گامی جدید به سوی درک جامعه از هوش مصنوعی از طریق ایجاد گروه فیزیک هوش مصنوعی تحقیقات انتیتی است.» «ظهور و پذیرش سریع راهکارهای هوش مصنوعی در تمام زمینههای زندگی روزمره تاثیر عمیقی بر رابطه ما با فناوری گذاشته است. با ادامه رشد نقش هوش مصنوعی، ضروری است که بررسی کنیم هوش مصنوعی چه احساسی در مردم ایجاد میکند و چگونه این میتواند پیشرفت راهکارهای جدید را شکل دهد. هدف این گروه جدید رفع نگرانیها و سوگیریها در مورد راهکارهای هوش مصنوعی برای ایجاد مسیری هماهنگ برای همزیستی هوش مصنوعی و بشریت است.»
گروه فیزیک هوش مصنوعی از رویکردی بینرشتهای به هوش مصنوعی استقبال میکند که فیزیک، علوم اعصاب و روانشناسی را گرد هم میآورد. این رویکرد فراتر از معیارهای مرسوم است و نیاز به حمایت از اهدافی مانند عدالت و ایمنی را تشخیص میدهد که منجر به پذیرش پایدار هوش مصنوعی میشود. از نظر راندمان انرژی، گروههای دیگر در آزمایشگاه PHI در حال حاضر در تلاش هستند تا مصرف انرژی پلتفرمهای محاسباتی هوش مصنوعی را از طریق محاسبات نوری و فناوری پیشگامانه لایه نازک نیوبات لیتیوم (TFLN) کاهش دهند. علاوه بر این، با الهام از تفاوت زیاد بین وات مصرفی توسط LLMها و مغز انسان یا حیوان، این گروه جدید همچنین راههایی را برای استفاده از شباهتهای بین مغزهای بیولوژیکی و شبکههای عصبی مصنوعی بررسی خواهد کرد.
تاناکا در بیانیهای گفت: «کلید همزیستی هماهنگ هوش مصنوعی در کنار بشریت، در قابل اعتماد بودن آن و نحوه رویکرد ما به طراحی و پیادهسازی راهکارهای هوش مصنوعی نهفته است.» «با ظهور این گروه، مسیری برای درک مکانیسمهای محاسباتی مغز و نحوه ارتباط آن با مدلهای یادگیری عمیق داریم. با نگاهی به آینده، تحقیقات ما امیدوار است که از طریق درک ما از فیزیک، علوم اعصاب و یادگیری ماشین، الگوریتمها و سختافزارهای هوشمند طبیعیتری را به ارمغان بیاورد.»
آزمایشگاه PHI از سال 2019، تحقیقات برای راههای جدید سیستمهای محاسباتی را با استفاده از فناوریهای مبتنی بر فوتونیک رهبری کرده است. دستگاههای مبتنی بر TFLN از طریق این تلاش مورد بررسی قرار میگیرند، در حالی که ماشین ایزینگ منسجم دیدگاههای جدیدی را در مورد مشکلات پیچیده بهینهسازی ارائه میدهد که از نظر تاریخی حل آنها در رایانههای کلاسیک بسیار دشوار است.
آزمایشگاه PHI علاوه بر توافقنامه تحقیقاتی مشترک (JRA) با هاروارد، در طول سالها با مؤسسه فناوری کالیفرنیا (Caltech)، دانشگاه کرنل، دانشگاه هاروارد، مؤسسه فناوری ماساچوست (MIT)، دانشگاه نوتردام، دانشگاه استنفورد، دانشگاه فناوری سوینبرن، دانشگاه میشیگان و مرکز تحقیقات ایمز ناسا همکاری کرده است. در مجموع، آزمایشگاه PHI بیش از 150 مقاله ارائه کرده است که پنج مورد در Nature، یک مورد در Science و بیست مورد در مجلات خواهر Nature منتشر شده است.
انتیتی تراشه استنتاج هوش مصنوعی را برای پردازش ویدیوی 4K بلادرنگ معرفی کرد
شرکت انتیتی همچنین یک تراشه جدید با مقیاس بالای یکپارچگی (LSI) را برای پردازش استنتاج هوش مصنوعی بلادرنگ ویدیو با وضوح فوقالعاده بالا تا 4K و 30 فریم در ثانیه (fps) اعلام کرد. این فناوری کممصرف برای استقرار ترمینالهای محدود در لبه و توان طراحی شده است که در آن استنتاج هوش مصنوعی معمولی نیاز به فشردهسازی ویدیوی فوقالعاده با وضوح بالا برای پردازش بلادرنگ دارد.
به عنوان مثال، هنگامی که این LSI بر روی یک پهپاد نصب میشود، پهپاد میتواند افراد یا اشیاء را از حداکثر 150 متری (492 فوت) بالای سطح زمین، حداکثر ارتفاع قانونی پرواز پهپاد در ژاپن، شناسایی کند، در حالی که فناوری استنتاج ویدیوی هوش مصنوعی بلادرنگ معمولی عملیات آن پهپاد را به حدود 30 متر (98 فوت) محدود میکند. یک مورد استفاده شامل پیشبرد بازرسی زیرساخت مبتنی بر پهپاد برای عملیات فراتر از خط دید بصری اپراتور، کاهش نیروی کار و هزینهها است.
گومی در بیانیهای گفت: «ترکیب استنتاج هوش مصنوعی کممصرف با ویدیوی فوقالعاده با وضوح بالا، پتانسیل عظیمی دارد، از بازرسی زیرساخت گرفته تا ایمنی عمومی و رویدادهای زنده ورزشی.» «LSI انتیتی، که ما معتقدیم اولین نوع خود برای دستیابی به چنین نتایجی است، گامی مهم رو به جلو در فعال کردن استنتاج هوش مصنوعی در لبه و برای ترمینالهای محدود به توان است.»
در پایانههای لبه و محدود به توان، دستگاههای هوش مصنوعی به مصرف توانی یک مرتبه کمتر از GPUهای مورد استفاده در سرورهای هوش مصنوعی محدود میشوند. دهها وات توسط اولی در مقایسه با صدها وات توسط دومی. LSI با پیادهسازی یک موتور استنتاج هوش مصنوعی ایجاد شده توسط انتیتی، بر این محدودیتها غلبه میکند. این موتور پیچیدگی محاسباتی را کاهش میدهد و در عین حال از دقت تشخیص اطمینان میدهد و با استفاده از همبستگی بینفریم و کنترل دینامیکی بیت دقت، کارایی محاسباتی را بهبود میبخشد. اجرای الگوریتم تشخیص شی You Only Look Once (YOLOv3) با استفاده از این LSI با مصرف توان کمتر از 20 وات امکانپذیر است.
انتیتی قصد دارد این LSI را در سال مالی 2025 از طریق شرکت عامل خود، شرکت دستگاههای نوآورانه انتیتی، تجاریسازی کند. انتیتی این LSI را در Upgrade، اجلاس سالانه تحقیق و نوآوری شرکت، اعلام و به نمایش گذاشت. Upgrade 2025 در 9-10 آوریل 2025 در سانفرانسیسکو برگزار میشود.
محققان با نگاهی به آینده، در حال بررسی کاربرد این LSI در زیرساخت دادهمحور (DCI) شبکه نوری و بیسیم نوآورانه (IOWN) به رهبری انتیتی و انجمن جهانی IOWN هستند. DCI از قابلیتهای سرعت بالا و تأخیر کم شبکه تمام فوتونی IOWN برای رسیدگی به چالشهای زیرساخت شبکهسازی مدرن، از جمله موانع مقیاسپذیری، محدودیتهای عملکرد و مصرف انرژی بالا استفاده میکند.
علاوه بر این، محققان انتیتی با شرکت دادههای انتیتی در حال همکاری برای پیشبرد این LSI در رابطه با فناوریهای رمزگذاری مبتنی بر ویژگی (ABE) اختصاصی خود هستند. ABE کنترل دسترسی دقیق و تنظیم سیاست انعطافپذیر را در لایه داده امکانپذیر میکند و فناوریهای رمزگذاری با راز مشترک امکان اشتراکگذاری ایمن دادهها را فراهم میکند که میتواند در برنامهها و ذخیرهگاههای داده موجود ادغام شود.
در پایانههای لبه و محدود به توان، دستگاههای هوش مصنوعی به مصرف توانی یک مرتبه کمتر از GPUهای مورد استفاده در سرورهای هوش مصنوعی محدود میشوند. دهها وات توسط اولی در مقایسه با صدها وات توسط دومی. LSI با پیادهسازی یک موتور استنتاج هوش مصنوعی ایجاد شده توسط انتیتی، بر این محدودیتها غلبه میکند. این موتور پیچیدگی محاسباتی را کاهش میدهد و در عین حال از دقت تشخیص اطمینان میدهد و با استفاده از همبستگی بینفریم و کنترل دینامیکی بیت دقت، کارایی محاسباتی را بهبود میبخشد. اجرای الگوریتم تشخیص شی You Only Look Once (YOLOv3) با استفاده از این LSI با مصرف توان کمتر از 20 وات امکانپذیر است.
انتیتی قصد دارد این LSI را در سال مالی 2025 از طریق شرکت عامل خود، شرکت دستگاههای نوآورانه انتیتی، تجاریسازی کند. انتیتی این LSI را در Upgrade، اجلاس سالانه تحقیق و نوآوری شرکت، اعلام و به نمایش گذاشت. Upgrade 2025 در 9-10 آوریل 2025 در سانفرانسیسکو برگزار میشود.
محققان با نگاهی به آینده، در حال بررسی کاربرد این LSI در زیرساخت دادهمحور (DCI) شبکه نوری و بیسیم نوآورانه (IOWN) به رهبری انتیتی و انجمن جهانی IOWN هستند. DCI از قابلیتهای سرعت بالا و تأخیر کم شبکه تمام فوتونی IOWN برای رسیدگی به چالشهای زیرساخت شبکهسازی مدرن، از جمله موانع مقیاسپذیری، محدودیتهای عملکرد و مصرف انرژی بالا استفاده میکند.
علاوه بر این، محققان انتیتی با شرکت دادههای انتیتی در حال همکاری برای پیشبرد این LSI در رابطه با فناوریهای رمزگذاری مبتنی بر ویژگی (ABE) اختصاصی خود هستند. ABE کنترل دسترسی دقیق و تنظیم سیاست انعطافپذیر را در لایه داده امکانپذیر میکند و فناوریهای رمزگذاری با راز مشترک امکان اشتراکگذاری ایمن دادهها را فراهم میکند که میتواند در برنامهها و ذخیرهگاههای داده موجود ادغام شود.
هویت IOWN
و دیروز، انتیتی اعلام کرد که آکیرا شیمادا، رئیس و مدیرعامل انتیتی، و کاتسوهیکو کاوازوئه، معاون ارشد اجرایی و مدیر ارشد فناوری انتیتی، کتابی با عنوان هویت IOWN را منتشر کردهاند که در آن به بحث در مورد ابتکار IOWN (شبکه بیسیم و نوری نوآورانه) که توسط انتیتی، یک رهبر جهانی در زمینه فناوری، پیشگام شده است، میپردازند.
این کتاب که به تازگی ترجمه شده است، به بررسی چشمانداز انتیتی از IOWN و چگونگی امکانپذیر کردن جامعهای پایدارتر در دنیایی به طور فزاینده دادهمحور میپردازد.
"هویت IOWN" پس از انتشار در اجلاس سالانه تحقیق و نوآوری انتیتی، Upgrade، اکنون در آمازون در دسترس است. Upgrade 2025 در 9-10 آوریل 2025 در سانفرانسیسکو برگزار میشود.
و دیروز, انتیتی اعلام کرد که آکیرا شیمادا, رئیس و مدیرعامل انتیتی, و کاتسوهیکو کاوازوئه, معاون ارشد اجرایی و مدیر ارشد فناوری انتیتی, کتابی با عنوان هویت IOWN را منتشر کردهاند که در آن به بحث در مورد ابتکار IOWN (شبکه بیسیم و نوری نوآورانه) که توسط انتیتی, یک رهبر جهانی در زمینه فناوری, پیشگام شده است, میپردازند.
این کتاب که به تازگی ترجمه شده است, به بررسی چشمانداز انتیتی از IOWN و چگونگی امکانپذیر کردن جامعهای پایدارتر در دنیایی به طور فزاینده دادهمحور میپردازد.
"هویت IOWN" پس از انتشار در اجلاس سالانه تحقیق و نوآوری انتیتی, Upgrade, اکنون در آمازون در دسترس است. Upgrade 2025 در 9-10 آوریل 2025 در سانفرانسیسکو برگزار میشود.