موتور عصبی اپل چیست و چگونه کار می کند؟

پردازنده مشترک هوش مصنوعی اپل ویژگی هایی مانند تجزیه و تحلیل رسانه و عکاسی محاسباتی را در iPhone، iPad، Mac و Apple TV درایو می کند.

iPhone، iPad، Mac، و Apple TV شما از یک واحد پردازش عصبی تخصصی به نام Apple Neural Engine (ANE) استفاده می‌کنند که نسبت به CPU یا GPU سریع‌تر و کارآمدتر انرژی است.

ANE ویژگی های پیشرفته روی دستگاه مانند پردازش زبان طبیعی و تجزیه و تحلیل تصویر را بدون ضربه زدن به ابر یا استفاده از انرژی بیش از حد ممکن می کند.

بیایید نحوه عملکرد ANE و تکامل آن، از جمله استنتاج و اطلاعاتی که در پلتفرم‌های اپل ایجاد می‌کند و اینکه چگونه توسعه‌دهندگان می‌توانند از آن در برنامه‌های شخص ثالث استفاده کنند، بررسی کنیم.

موتور عصبی اپل (ANE) چیست؟

Apple Neural Engine یک نام بازاریابی برای مجموعه ای از هسته های محاسباتی بسیار تخصصی است که برای اجرای کم انرژی شبکه های عصبی عمیق در دستگاه های اپل بهینه شده اند. این الگوریتم‌های یادگیری ماشین (ML) و هوش مصنوعی (AI) را تسریع می‌کند و سرعت، حافظه و قدرت فوق‌العاده‌ای را نسبت به CPU یا GPU اصلی ارائه می‌دهد.

ANE بخش بزرگی از این است که چرا جدیدترین آیفون‌ها، آی‌پدها، مک‌ها و تلویزیون‌های اپل پاسخگو هستند و در حین محاسبات سنگین ML و AI داغ نمی‌شوند. متأسفانه، همه دستگاه‌های اپل دارای ANE نیستند – اپل واچ، مک‌های مبتنی بر اینتل و دستگاه‌های قدیمی‌تر از 2016 فاقد آن هستند.

اولین ANE که در تراشه A11 اپل در آیفون X سال 2017 معرفی شد، به اندازه کافی قدرتمند بود که از Face ID و Animoji پشتیبانی کند. در مقایسه، آخرین ANE در تراشه A15 Bionic 26 برابر سریعتر از نسخه اول است. امروزه، ANE ویژگی‌هایی مانند سیری آفلاین را فعال می‌کند و توسعه‌دهندگان می‌توانند از آن برای اجرای مدل‌های ML که قبلاً آموزش دیده‌اند، استفاده کنند و CPU و GPU را آزاد کنند تا روی کارهایی که برای آنها مناسب‌تر است تمرکز کنند.

موتور عصبی اپل چگونه کار می کند؟

ANE کنترل و منطق حسابی را برای انجام عملیات محاسباتی گسترده مانند ضرب و انباشت بهینه سازی شده ارائه می دهد که معمولاً در الگوریتم های ML و AI مانند طبقه بندی تصویر، تجزیه و تحلیل رسانه، ترجمه ماشینی و غیره استفاده می شود.

طبق پتنت اپل با عنوان «موتور مسطح چند حالته برای پردازشگر عصبی»، ANE از چندین هسته موتور عصبی و یک یا چند مدار مسطح چند حالته تشکیل شده است.

این طراحی برای محاسبات موازی بهینه شده است، جایی که بسیاری از عملیات، مانند ضرب ماتریس در تریلیون ها تکرار، باید به طور همزمان انجام شوند.

برای سرعت بخشیدن به استنتاج در الگوریتم های هوش مصنوعی، ANE از مدل های پیش بینی کننده استفاده می کند. علاوه بر این، ANE حافظه نهان مخصوص به خود را دارد و تنها از چند نوع داده پشتیبانی می کند که به به حداکثر رساندن عملکرد کمک می کند.

ویژگی های هوش مصنوعی توسط ANE

در اینجا برخی از ویژگی‌های روی دستگاه وجود دارد که ممکن است با آن‌ها آشنا باشید که ANE ممکن است.

• پردازش زبان طبیعی: تشخیص صدای سریعتر و مطمئن تر برای دیکته و سیری. بهبود یادگیری زبان طبیعی در برنامه Translate و در سراسر سیستم؛ ترجمه فوری متن در عکس‌ها، دوربین و سایر برنامه‌های آیفون.
• بینایی رایانه: یافتن اشیا در تصاویر مانند مکان‌های دیدنی، حیوانات خانگی، گیاهان، کتاب‌ها و گل‌ها با استفاده از برنامه Photos یا جستجوی Spotlight. دریافت اطلاعات اضافی درباره اشیاء شناسایی شده با استفاده از Visual Look Up در مکان هایی مانند Safari، Mail و Messages.
• واقعیت افزوده: انسداد افراد و ردیابی حرکت در برنامه‌های واقعیت افزوده.
• تجزیه و تحلیل ویدیو: تشخیص چهره ها و اشیاء روی ویدیو در برنامه هایی مانند Final Cut Pro.
• جلوه های دوربین: برش خودکار با مرحله مرکزی. محو شدن پس‌زمینه در طول تماس‌های ویدیویی FaceTime.
• بازی ها: جلوه های واقع گرایانه در بازی های ویدیویی سه بعدی.
• متن زنده: ارائه تشخیص نوری کاراکتر (OCR) در دوربین و عکس‌ها، به شما این امکان را می‌دهد که به راحتی دست نوشته یا متنی مانند رمز عبور Wi-Fi یا آدرس را از تصاویر کپی کنید.
• عکاسی محاسباتی: Deep Fusion پیکسل ها را برای کاهش نویز بهتر، محدوده دینامیکی بیشتر، و نوردهی خودکار و تعادل رنگ سفید بهبود یافته تجزیه و تحلیل می کند و در صورت لزوم از Smart HDR استفاده می کند. عکاسی با عمق میدان کم، از جمله گرفتن پرتره در حالت شب. تنظیم سطح تاری پس زمینه با کنترل عمق.
• نکات نکته: ANE همچنین برای سبک‌های عکاسی در برنامه دوربین، تنظیم خاطرات و جلوه‌های سبک در عکس‌ها، توصیه‌های شخصی‌سازی شده مانند پیشنهادات کاغذدیواری، شرح تصاویر VoiceOver، یافتن تصاویر تکراری در عکس‌ها و غیره استفاده می‌شود.

برخی از ویژگی‌های ذکر شده در بالا، مانند تشخیص تصویر، بدون وجود ANE نیز کار می‌کنند، اما بسیار کندتر کار می‌کنند و باتری دستگاه شما را کاهش می‌دهند.

تاریخچه مختصری از موتور عصبی اپل: از iPhone X تا M2 Mac

در سال 2017، اپل اولین ANE خود را در قالب دو هسته تخصصی در تراشه A11 آیفون X به کار برد. طبق استانداردهای امروزی، سرعت آن نسبتاً کند بود و تنها 600 میلیارد عملیات در ثانیه داشت.

نسل دوم ANE در سال 2018 در تراشه A12 ظاهر شد و چهار برابر هسته‌های آن بود. این ANE با رتبه پنج تریلیون عملیات در ثانیه، تقریباً نه برابر سریعتر بود و از یک دهم قدرت نسل قبلی خود استفاده می کرد.

تراشه A13 2019 همان ANE هشت هسته‌ای داشت، اما یک پنجم سریع‌تر کار می‌کرد در حالی که 15 درصد انرژی کمتری مصرف می‌کرد، محصولی از گره نیمه‌رسانای 7 نانومتری TSMC. TSMC (شرکت تولید نیمه هادی تایوان) تراشه های طراحی شده توسط اپل را می سازد.

تکامل موتور عصبی اپل

سیلیکون سیب

گره فرآیند نیمه هادی

تاریخ عرضه

هسته های ANE

عملیات در ثانیه

یادداشت های اضافی

A11 Bionic

TSMC FinFET 10 نانومتری

2017

600 میلیارد

اولین ANE اپل

A12 Bionic

7 نانومتری TSMC FinFET

2018

5 تریلیون

9 برابر سریعتر از A11، 90٪ مصرف انرژی کمتر

A13 Bionic

7 نانومتری TSMC N7P

2019

6 تریلیون

20٪ سریعتر از A12، 15٪ مصرف انرژی کمتر

A14 Bionic

5 نانومتری TSMC N5

2020

16

11 تریلیون

تقریبا 2 برابر سریعتر از A13

A15 Bionic

5 نانومتری TSMC N5P

2021

16

15.8 تریلیون

40 درصد سریعتر از A14

A16 Bionic

5 نانومتری TSMC N4

2022

16

17 تریلیون

8٪ سریعتر از A15، بازده انرژی بهتر

M1

5 نانومتری TSMC N5

2020

16

11 تریلیون

همان ANE با A14 Bionic

M1 Pro

5 نانومتری TSMC N5

2021

16

11 تریلیون

همان ANE با A14 Bionic

M1 Max

5 نانومتری TSMC N5

2021

16

11 تریلیون

همان ANE با A14 Bionic

M1 Ultra

5 نانومتری TSMC N5

2022

32

22 تریلیون

2 برابر سریعتر از M1/M1 Pro/M1 Max

M2

5 نانومتری TSMC N5P

2022

16

15.8 تریلیون

40 درصد سریعتر از M1

M2 Pro

5 نانومتری TSMC N5P

2023

16

15.8 تریلیون

همان ANE M2

M2 Max

5 نانومتری TSMC N5P

2023

16

15.8 تریلیون

همان ANE M2

سال بعد، Apple A14 عملکرد ANE را تقریبا دو برابر کرد و به 11 تریلیون عملیات در ثانیه رساند که با افزایش تعداد هسته های ANE از 8 به 16 به دست آمد. در سال 2021، A15 Bionic از نسل دوم فرآیند 5 نانومتری TSMC بهره برد که ANE را بیشتر تقویت کرد. عملکرد به 15.8 تریلیون عملیات در ثانیه بدون افزودن هسته بیشتر.

اولین تراشه‌های M1، M1 Pro و M1 Max با اتصال به Mac، همان نام A14 را دارند که ML و AI پیشرفته و سخت‌افزاری را برای اولین بار به پلتفرم macOS می‌آورند.

در سال 2022، M1 Ultra دو تراشه M1 Max را در یک بسته با استفاده از اتصال سفارشی اپل به نام UltraFusion ترکیب کرد. با دو برابر هسته های ANE (32)، M1 Ultra عملکرد ANE را دو برابر کرد و به 22 تریلیون عملیات در ثانیه رساند.

Apple A16 در سال 2022 با استفاده از گره N4 پیشرفته TSMC ساخته شد و عملکرد ANE را حدود 8٪ سریعتر (17 تریلیون عملیات در ثانیه) در مقایسه با ANE A15 به ارمغان آورد.

اولین آی‌پدهای مجهز به ANE، نسل پنجم آی‌پد مینی (2019)، نسل سوم آی‌پد ایر (2019) و نسل هشتم آی‌پد (2020) بودند. همه آیپدهای عرضه شده از آن زمان دارای ANE هستند.

چگونه توسعه دهندگان می توانند از AND در برنامه ها استفاده کنند؟

بسیاری از برنامه های شخص ثالث از ANE برای ویژگی هایی استفاده می کنند که در غیر این صورت امکان پذیر نبود. به عنوان مثال، ویرایشگر تصویر Pixelmator Pro ابزارهایی مانند ML Super Resolution و ML Enhance را ارائه می دهد. و در djay Pro، ANE بیت ها، سازها و آهنگ های آوازی را از ضبط جدا می کند.

با این حال، توسعه دهندگان شخص ثالث به ANE دسترسی سطح پایینی ندارند. در عوض، تمام تماس‌های ANE باید از طریق چارچوب نرم‌افزار اپل برای یادگیری ماشین، Core ML انجام شود. با Core ML، توسعه دهندگان می توانند مدل های ML خود را مستقیماً روی دستگاه بسازند، آموزش دهند و اجرا کنند. سپس از چنین مدلی برای پیش‌بینی بر اساس داده‌های ورودی جدید استفاده می‌شود.

بر اساس مروری بر Core ML در وب‌سایت اپل، «هنگامی که یک مدل در دستگاه کاربر قرار دارد، می‌توانید از Core ML برای آموزش مجدد یا تنظیم دقیق آن در دستگاه، با داده‌های آن کاربر استفاده کنید».

برای سرعت بخشیدن به الگوریتم های ML و AI، Core ML نه تنها از ANE بلکه از CPU و GPU نیز استفاده می کند. این به Core ML اجازه می دهد تا یک مدل را اجرا کند حتی اگر ANE در دسترس نباشد. اما با وجود ANE، Core ML بسیار سریع‌تر کار می‌کند و باتری به این سرعت خالی نمی‌شود.

بسیاری از ویژگی های اپل بدون ANE کار نمی کنند

بسیاری از ویژگی‌های روی دستگاه بدون پردازش سریع الگوریتم‌های هوش مصنوعی و ML و به حداقل رساندن ردپای حافظه و مصرف انرژی که ANE به جدول می‌آورد، امکان‌پذیر نخواهد بود. جادوی اپل در اختیار داشتن یک پردازنده مشترک اختصاصی برای اجرای شبکه های عصبی به صورت خصوصی بر روی دستگاه به جای بارگذاری آن وظایف به سرورهای موجود در فضای ابری است.

با ANE، هم اپل و هم توسعه‌دهندگان می‌توانند شبکه‌های عصبی عمیق را پیاده‌سازی کنند و از مزایای یادگیری ماشینی تسریع شده برای مدل‌های مختلف پیش‌بینی مانند ترجمه ماشینی، تشخیص اشیا، طبقه‌بندی تصویر و غیره بهره ببرند.

منبع مقاله