إنتل تنافس انفيديا و جوجل في مجال التعلم الألي مع تحسينات على شريحة Xeon Phi
على ما يبدو أن إنتل قررت منافسة منافسيها الأقوياء في مجال التعلم الالي من خلال تقديمها لتحسينات خاصة على شريحة Xeon Phi التي تعد بتوفير أداء أفضل من معالج انفيديا الرسومي ومعالج جوجل TPU الذي أطلق في شهر مايو. مجال المسمى التعلم الالي يعتبر من ضمن فروع الذكاء الاصطناعي المنتشر بشكل واسع نحو مختلف المجالات اليوم والهدف النهائي منه هو جعل الالة تتعلم بنفسها دون الحاجة الى شخص مسؤول يرافقها في عملية عملها وانتاجها.
ما هو متوفر حالياً من معلومات أن الشركة ستضيف ميزات جديدة إلى شريحة Xeon Phi لضبطها من أجل أجهزة التعليم، وتعليقاً على ذلك قال نيدهي تشايل، مدير أجهزة التعليم لدى إنتل " إن التقنيات السائدة تسمح للبرامج بأن تُدرب للقيام بمهام مثل التعرف على الصورة أو تحليل البيانات على نحو أكثر كفاءة". للأسف لم تكشف إنتل عن الإضافات الجديدة التي هي بصدد تقديمها مع نفس الشريحة، لكن من الجيد أننا نعلم أن الإصدار القادم لشريحة Xeon Phi ستأتي بحلول عام 2018.
حالياً وبشكل واضح إنتل تعتبر خلف منافسي الرقاقات في مجال تعليم الأجهزة والذكاء الاصطناعي والتعلم العميق وتعتبر انفيديا في المراكز الأولى تقريباً رغم قرب المنافسة، لذا قد يكون على إنتل العمل بوتيرة أسرع لإصدار شريحة Xeon Phi الأحدث. في وقت سابق أطلقت إنتل رقاقتها الأحدث Xeon Phi المسماة Knights Landing والتي تملك ما يصل إلى 72 نواة. لكن ما تزال الرقاقة تحت الاختبار من أجل تعليم الأجهزة لكن الشركة تعتقد أنها تستطيع التفوق على المعالجات الرسومية في طرازات أجهزة تعليم معينة.
مع العلم أنه يمكن لشريحة Xeon Phi أن تكون معالج مركزي رئيسي أو معالج مساعد، لكن حالياً يعتبر مصمم أكثر من أجل الحوسبة الفائقة أكثر من كونها لأجهزة التعليم مع معالجاتها ونواتها Atom. ما نعتقده أن الشركة تحتاج الى عمل طويل لكي تتفوق على منافسيها في هذا المجال فالعديد من مهام أجهزة التعليم المنتشرة اليوم تتم عملها بواسطة المعالجات الرسومية.
معلومات نشرتها بعض المصادر لمقربة من إنتل تشير الى أن الشركة تحاول أن تربط شريحة Xeon Phi باتصال OmniPath الذي يسمح بتحسين فائق السرعة للبيانات بين السيرفرات. كما ستضيف إنتل الدعم لأكثر من برنامج تعليم أجهزة مفتوح المصدر. وستبني إنتل طرازات أجهزة تعلم حول Caffe وهي حزمة مصدر مفتوح. لذلك كل هذه الخطوات تجعل الشركة تعتقد أن رقاقاتها يمكن أن تُستخدم في مجالات مثل الطب ومعالجة الصور، حيث يمكن لوحدات التعليم أن تساعد في فهم وإدراك البيانات. على سبيل المثال، تستطيع الرقاقة أن تساعد في التعرف على مرض، أو تستطيع أن تحدد الصورة بتحليل البكسل...فالهدف من كل ذلك هو تقليل الوقت الذي يتطلبه لتدريب طراز معين وجعل الحسابات تجري على نحو أسرع.
ما رأيكم في محاولة إنتل المنافسة في هذا المجال مع العلم أن المعالجات الرسومية هي المتفوقة اليوم في مجال تعليم الأجهزة؟
