المحرك العصبي
المحرك العصبي (Neural Engine) هو وحدة معالجة متخصصة، غالبًا ما يتم دمجها في الرقائق النظامية (SoCs)، ومصممة خصيصًا للتعامل مع العمليات الرياضية المكثفة التي تتطلبها نماذج الذكاء الاصطناعي (AI) والتعلم الآلي (ML). على عكس وحدات المعالجة المركزية (CPUs) ذات الأغراض العامة أو حتى وحدات معالجة الرسوميات (GPUs) القياسية، يتم تحسين المحرك العصبي لعمليات الضرب المصفوفي والتلافيف المتوازية التي تشكل العمود الفقري للتعلم العميق.
إن صعود تطبيقات الذكاء الاصطناعي المعقدة - مثل التعرف على الصور في الوقت الفعلي، ومعالجة اللغة الطبيعية، والتحليلات التنبؤية - يتطلب قوة حوسبة هائلة. يمكن أن تكون المعالجات التقليدية غير فعالة عند تشغيل هذه النماذج، مما يؤدي إلى زمن انتقال عالٍ واستهلاك كبير للطاقة. يعالج المحرك العصبي هذه المشكلة من خلال توفير تسريع للأجهزة مخصص وعالي الكفاءة، مما يتيح تنفيذ مهام الذكاء الاصطناعي المعقدة محليًا، وبسرعة أكبر، وباستهلاك طاقة أقل.
في جوهره، تم تصميم المحرك العصبي لتنفيذ حسابات الشبكة العصبية بتوازي شديد. تم هندسته لأداء الاستدلال (Inference) - وهي عملية استخدام نموذج مُدرب لإجراء تنبؤات - بسرعة كبيرة. يحقق ذلك من خلال مصفوفات النبضات (systolic arrays) المتخصصة أو هياكل مماثلة التي تسمح بحدوث آلاف عمليات الضرب والتجميع (MACs) في وقت واحد. يتجاوز هذا التخصص الحمل الزائد المرتبط بمجموعات التعليمات ذات الأغراض العامة، مما يجعله مثاليًا للحسابات المتكررة والمنظمة المتأصلة في الشبكات العصبية.
تُعد المحركات العصبية مكونات حيوية في العديد من التقنيات الحديثة:
تتمثل الفوائد الأساسية لاستخدام المحرك العصبي في ثلاثة جوانب: الأداء، والكفاءة، وزمن الانتقال.
على الرغم من قوته، يمثل نشر المحرك العصبي وتحسينه تحديات. غالبًا ما يكون تحجيم النموذج (Model quantization) (تقليل دقة الأوزان والتنشيطات) ضروريًا لتناسب النماذج بكفاءة ضمن قيود المحرك. علاوة على ذلك، يجب على المطورين استخدام أطر عمل ومُصرِّفات (compilers) مُحسّنة خصيصًا لرسم خرائط رسوم بيانية التعلم الآلي الخاصة بهم بفعالية على البنية الفريدة للمحرك.
