کالبدشکافی NPU: کامپیوترهای «هوش مصنوعی» واقعاً چگونه کار می‌کنند؟

بزرگترین سوءتفاهم درباره موج جدید لپ‌تاپ‌های موسوم به «کامپیوتر هوش مصنوعی» (AI PC) این است که تصور می‌شود یک «مغز دیجیتال» کوچک درون آن‌ها تعبیه شده است. تیم‌های بازاریابی شرکت‌هایی مانند اینتل، ای‌ام‌دی و کوالکام، برچسب NPU (واحد پردازش عصبی) را روی هر محصول جدیدی می‌چسبانند و وعده یک انقلاب هوشمند را می‌دهند. اما واقعیت بسیار ساده‌تر و در عین حال از نظر مهندسی جذاب‌تر است. یک NPU اصلاً فکر نمی‌کند؛ بلکه یک ماشین‌حساب بسیار تخصصی و تا حدودی «خنگ» است که تنها یک کار را با سرعتی سرسام‌آور انجام می‌دهد: ضرب شبکه‌های عظیمی از اعداد در یکدیگر.[1]

برای درک اینکه چرا به این قطعه جدید نیاز داریم، باید به محدودیت‌های پردازنده‌های سنتی نگاه کنیم. پردازنده مرکزی (CPU) مانند یک استاد دانشگاه نابغه است؛ می‌تواند پیچیده‌ترین مسائل منطقی را حل کند، اما در هر لحظه فقط روی چند کار محدود تمرکز می‌کند. پردازنده گرافیکی (GPU) مانند ارتشی از هزاران کارگر است که همزمان پیکسل‌های یک تصویر را رنگ می‌کنند. اما اجرای مدل‌های هوش مصنوعی نیازمند میلیاردها عملیات ساده ریاضی در ثانیه است که به آن «ضرب و انباشت» (MAC) می‌گویند.[3]

اگر این بار پردازشی عظیم را روی CPU قرار دهیم، کل سیستم به شدت کند می‌شود. اگر آن را به GPU بسپاریم، کار با سرعت انجام می‌شود اما مصرف انرژی به قدری بالا می‌رود (حدود ۳۰ تا ۴۰ وات) که باتری لپ‌تاپ شما در کمتر از یک ساعت تخلیه خواهد شد. اینجاست که NPU وارد میدان می‌شود. این تراشه دقیقاً همان عملیات ریاضی هوش مصنوعی را انجام می‌دهد، اما تنها با مصرف ۲ تا ۵ وات انرژی. بنابراین، دستاورد واقعی NPU هوشمندی بیشتر نیست، بلکه بهره‌وری انرژی است.[4]

راز این کارایی خارق‌العاده در معماری خاصی به نام «آرایه سیستولیک» (Systolic Array) نهفته است. در پردازنده‌های معمولی، برای هر محاسبه باید داده‌ها از حافظه خوانده شوند که فرآیندی زمان‌بر و پرمصرف است. اما در یک آرایه سیستولیک، داده‌ها مانند یک خط مونتاژ کارخانه‌ای، به صورت ریتمیک از یک واحد پردازشی به واحد دیگر جریان می‌یابند. هر عدد پیش از آنکه به حافظه بازگردد، بارها و بارها در محاسبات مختلف استفاده می‌شود. این حذف گلوگاه حافظه، کلید سرعت و مصرف پایین NPU است.[2]

ترفند دوم NPU، کاهش عمدی دقت ریاضی است. مدل‌های هوش مصنوعی برای تشخیص یک چهره یا تولید متن، نیازی به اعداد اعشاری با دقت بی‌نهایت ندارند. در حالی که یک CPU محاسبات را با دقت ۳۲ بیتی (FP32) انجام می‌دهد، NPUها از اعداد صحیح ۸ بیتی (INT8) استفاده می‌کنند. این کاهش دقت، تأثیر نامحسوسی بر کیفیت خروجی هوش مصنوعی دارد، اما سرعت محاسبات را چهار برابر کرده و مصرف انرژی را به شدت کاهش می‌دهد.

با این حال، باید بین آنچه واقعاً عرضه شده و آنچه بازاریابی می‌شود تفاوت قائل شد. شرکت‌ها مدام از معیار TOPS (تریلیون عملیات در ثانیه) صحبت می‌کنند؛ مثلاً مایکروسافت برای لپ‌تاپ‌های Copilot+ حداقل ۴۰ TOPS را الزامی کرده است. اما TOPS صرفاً یک ظرفیت تئوری است، مانند سرعت‌سنج یک خودرو که تا ۳۰۰ کیلومتر بر ساعت عدد دارد. در حال حاضر، نرم‌افزارهای بسیار کمی وجود دارند که بتوانند از تمام این ظرفیت سخت‌افزاری استفاده کنند.[4]

در واقعیتِ امروز، NPU لپ‌تاپ شما بیشتر برای کارهای پیش‌پاافتاده‌ای مانند تار کردن پس‌زمینه در تماس‌های ویدیویی، حذف نویز میکروفون و شاید تولید متن‌های کوتاه به صورت محلی استفاده می‌شود. وعده‌های بزرگ مبنی بر حضور یک دستیار هوش مصنوعی که تمام کارهای کامپیوتر شما را مدیریت کند، هنوز عمدتاً به پردازش‌های ابری (Cloud) وابسته‌اند و به طور کامل روی خود دستگاه اجرا نمی‌شوند.[1]

با این وجود، معماری NPU یک تغییر مسیر بنیادین در دنیای سخت‌افزار است. با انتقال پردازش‌های هوش مصنوعی از سرورهای ابری به داخل دستگاه‌های شخصی، حریم خصوصی کاربران به شکل چشمگیری افزایش می‌یابد، زیرا داده‌های حساس نیازی به ارسال به اینترنت ندارند. NPUها شاید آن مغز جادویی که تبلیغات می‌گویند نباشند، اما قطعه‌ای حیاتی برای آینده‌ای هستند که در آن هوش مصنوعی بدون نابود کردن باتری دستگاه‌ها، به بخشی از زندگی روزمره تبدیل می‌شود.[3]