تغییر به زبان گوگل

دنیای اقتصاد: بدون شک گوگل بزرگ‌ترین شبکه کامپیوتری دنیا را در اختیار دارد، شبکه‌ای که شامل مراکز داده‌هایی به وسعت یک انبار بزرگ هستند و در ۱۵ نقطه در ۴ چهار قاره مختلف قرار گرفته‌اند. بسیاری از مشکلاتی که این شرکت طی یک دهه اخیر با آن مواجه بوده می‌تواند مشکلات فعلی بسیاری از شرکت‌های تکنولوژی باشد.

به نوعی تجربه این شرکت می‌تواند تجربه‌ای پیش روی شرکت‌های فعلی کوچک و بزرگ بازار به شمار آید. حدود ۶ سال پیش زمانی که گوگل شیوه جدیدی از تشخیص صدا برای به‌کارگیری در سیستم عامل اندروید را اختراع کرد، مهندسان این شرکت نگران این بودند که شبکه‌ فعلی گوگل وسعت و فضای لازم را برای نگهداری این حجم از داده‌ها نداشته باشد. طبق تخمین مهندسان، اگر هر یک از دستگاه‌های اندرویدی فعلی از سیستم جدید تشخیص صدا تنها به مدت ۳ دقیقه در روز استفاده می‌کردند، شرکت گوگل باید تعداد مراکز داده خود را دو برابر می‌کرد.

در آن زمان، گوگل در مراحل ابتدایی به‌کارگیری سیستم تشخیص صدا از طریق شبکه‌های عصبی و سیستم‌های پیچیده ریاضی قرار داشت. در سال‌های اخیر این بخش از یادگیری ماشینی با رشد سریعی همراه شده و علاوه بر صدا، سیستم‌های تشخیص چهره، ترجمه ماشینی و جست‌وجوی اینترنتی نیز به دنیای شبکه و کامپیوتر هوشمند وارد شده‌اند. پس از استفاده از این متد، خطاهای گوگل با ۲۵ درصد کاهش همراه بود اما به‌کارگیری این سیستم به قدرت و فضای بسیار بیشتری نیاز داشت. گوگل به‌جای دو برابر کردن مراکز داده، چیپ‌هایی با نام «تی پی یو»
(Tenso Processing Unit) اختراع و تولید کرد که به‌طور تخصصی برای راه‌اندازی و کنترل شبکه‌های عصبی ساخته شده بودند. یکی از مهندسان فعال در بخش تولید این چیپ در این‌ باره گفت: «یافتن یک راهکار جدید که از نظر مصرف انرژی به‌صرفه‌تر باشد کاملا منطقی به نظر می‌رسید.» در حقیقت قدرت پردازش این چیپ بین 30 تا 800 برابر پردازشگرهای معمولی است.

گوگل این پردازشگر را ابتدا در ماه مه‌ رونمایی کرد اما اطلاعات بسیار محدودی درباره آن به مخاطبان ارائه داد. حال تیم مهندسان تولیدکننده این پردازشگر گزارش کاملی درباره این پروژه منتشر کرده‌اند و نحوه عملکرد چیپ و مشکلاتی که این چیپ قادر است حل کند را در این گزارش به‌طور کامل توضیح داده‌اند. گوگل از این چیپ تنها برای پردازش در بخش شبکه‌های عصبی استفاده می‌کند و زمانی که کاربر دستور صوتی را به گوشی اندرویدی خود می‌فرستد، این چیپ‌ها نیز فعال می‌شوند.با ساخت این چیپ، گوگل دیگر نیازی به ساخت 15 مرکز داده جدید ندارد و این مساله موجب ذخیره زمان و هزینه زیادی برای گوگل شده است. همچنین ساخت این چیپ موجب تحول در دنیای پردازشگرهای کامپیوتری شده است.

همان‌طور که گوگل، فیس‌بوک، مایکروسافت و دیگر شرکت‌های بزرگ سرویس‌های بیشتری با استفاده از شبکه‌های عصبی می‌سازند، نیاز به یک پردازشگر تخصصی برای آموزش و راه‌اندازی مدل‌های هوش مصنوعی نیز افزایش پیدا می‌کند. بیشتر شرکت‌ها مدل‌های خود را با استفاده از پردازشگرهای گرافیکی انجام می‌دهند. این پردازشگرها در اصل برای استفاده در بازی‌های کامپیوتری و دیگر برنامه‌های بصری ساخته شده‌اند اما برای استفاده در قلب شبکه‌های عصبی هم مناسب به نظر می‌رسند و به همین دلیل شرکت‌ها از این پردازشگرها استفاده می‌کنند. البته بعضی از کمپانی‌ها مانند مایکروسافت و شرکت چینی بایدو (Baidu) از چیپ‌های جایگزین استفاده می‌کنند، همانند چیپ تی‌پی‌یو شرکت گوگل.

اما تفاوت اینجاست که گوگل این چیپ را انحصارا برای کاهش هزینه‌ها و افزایش بهره‌وری سیستم وسیع شبکه‌های عصبی خود اختراع و تولید کرد. شرکت گوگل بیشتر سخت‌افزارهای مورد استفاده در مراکز داده‌های خود را تولید می‌کند که شامل سرورها و قطعات شبکه می‌شود. اکنون گوگل تولید قطعات تجهیزات را یک مرحله جلوتر برده و موفق به تولید پردازشگرهای اختصاصی شده است و روز به روز از خرید قطعات و سخت‌افزار از دیگر شرکت‌ها بی‌نیازتر می‌شود.این چیپ همچنین موجب ایجاد تحول در بازار پردازشگرها شده است. گوگل، فیس‌بوک و مایکروسافت در گذشته از بزرگ‌ترین خریداران پردازشگر به حساب می‌آمدند اما اختراع چیپ جدید گوگل، این شرکت را از رده‌ این خریداران خارج کرده است، به همین دلیل شرکت اینتل که به‌عنوان بزرگ‌ترین شرکت تولیدکننده پردازشگرها شناخته شده به دنبال تولید چیپ‌های جدید خواهد رفت تا از این طریق بتواند دوباره نبض بازار را در اختیار بگیرد.

متمرکز اما گسترده

Jouppi مدیر تیم مهندسان شرکت گوگل در اواخر سال 2013 و به منظور ساخت چیپی که امروز با نام تی‌پی‌یو شناخته شده است به شرکت گوگل آمد. او در گذشته در شرکت‌هایی از جمله اچ‌پی و DEC به‌عنوان محقق سخت‌افزاری فعالیت می‌کرد. او می‌گوید شرکت گوگل قصد داشت نوعی چیپ با نام FPGA را که امروزه شرکت مایکروسافت از آن استفاده می‌کند در شبکه‌های عصبی مراکز داده خود به‌کار بگیرد. استفاده از آن چیپ‌ها خیلی زمان می‌برد و شرکت می‌توانست از این چیپ‌ها برای انجام وظایف مورد نظر و با برنامه‌ریزی مجدد آنها استفاده کند اما نتایج این آزمایش نشان می‌داد که این چیپ‌ها قادر به اجرای وظایف با سرعت و قدرت مورد نظر گوگل نبودند. او در ادامه گفت: «چیپ‌هایی که برنامه‌ریزی مجدد می‌شوند هزینه‌های بالایی دارند و نتایج آزمایش نشان می‌داد که این چیپ‌ها از نظر عملکرد هیچ تفاوتی با پردازشگرهای گرافیکی ندارند.»

در پایان شرکت تصمیم به ساخت چیپ‌های تخصصی گرفت، چیپی که از ابتدا برای انجام یک هدف و وظیفه تخصصی طراحی شده باشد. طبق اظهارات Jouppi، از آنجا که گوگل این چیپ را برای استفاده در شبکه‌های عصبی ساخته است، قدرت پردازش این چیپ بین 15 تا 30 برابر چیپ‌هایی است که برای مصارف مختلف مورد استفاده قرار می‌گیرند. ناگفته نماند که این چیپ برای اجرای تمامی وظایف مرتبط با شبکه‌های عصبی قابل استفاده است. از جمله این وظایف می‌توان به شبکه‌های عصبی پیچیده مورد استفاده در سیستم تشخیص چهره و تشخیص دستورات صوتی اشاره کرد. استفاده از این چیپ برای استفاده در یک مدل محدود نخواهد بود.گوگل از چیپ تی‌پی‌یو به مدت دو سال استفاده کرده است و از آن برای تشخیص چهره، ترجمه ماشینی و حتی در بازی AlphaGo استفاده می‌کند. در کل استفاده از این چیپ از آنجا که باعث جلوگیری از ساخت دیتا سنترهای جدید و افزایش هزینه کلان برای این شرکت شده، راضی‌کننده به نظر می‌رسد.