ایتنا- سال گذشته شرکت گوگل نخستین بار مدارهای TPU ابری را با هدف سرعت بخشیدن به رشد و توسعه هوش مصنوعی ارایه کرد.

گوگل 64 مورد از مدارهای مزبور را تست کرد تا بتواند ResNet–50 یک شبکه عصبی را برای شناسایی تصاویری که به عنوان یک ابزار معیار برای سرعت آموزش هوش مصنوعی استفاده می شود در 30 دقیقه تحت آموزش قرار داده و میزان یادگیری آنها را اندازه گیری کند. اغراق نیست اگر سال 2017 را سال هوش مصنوعی بنامیم. سال گذشته نه تنها شاهد ظهور دستیارهای صوتی مجهز به هوش مصنوعی بودیم، بلکه دستیارهای صوتی هوشمندی که پیش از این با این فناوری معرفی شده بودند نیز به تولید انبوه رسیده و در دسترس عموم قرار گرفتند. 

گسترش و پیشرفت این فناوری در سال های آتی نیز سرعت بسیار بالایی خواهد داشت و پیش بینی می شود ارزش جهانی آن تا سال 2025 به بیش از 23.4 میلیارد دلار برسد.

در هر حال، اگرچه بسیاری از شرکت ها متکی به هوش مصنوعی هستند، اما برخی نیز با نگاهی متفاوت، توأم با تردید و حتی بازدارنده، بدان می نگرند.

گوگل جهت کسب جایگاهی مناسب در زمینه هوش مصنوعی، مسیری طولانی پیش رو دارد. این شرکت در سال 2016 درباره واحدهای پردازش تنسور، گزارش هایی منتشر و قول داد افراد بتوانند مدل های موردنظر خود را روی آنها اجرا کنند و همچنین این سخت افزار، سرعت اجرای بار کاری کسب وکارهای مختلف را افزایش دهد. 

گوگل تنها شرکتی نیست که این موضوع را دنبال می کند. مایکروسافت نیز برنامه هایی در این زمینه داشته و قصد دارد سرعت عملیات یادگیری ماشینی را افزایش داده و پلات فرم ابری اژور خود را به همراه یک شبکه پرسرعت در اختیار کاربران قرار دهد.