IBM با تراشه TrueNorth، ساختار دیجیتالی مغز انسان را پیاده کرده است
کمپانی IBM بنچمارک تراشه‌ی TrueNorth مبتنی بر فناوری یادگیری عمیق را منتشر کرده که نشان از قدرت، سرعت و بهینه بودن بالای این تراشه در قیاس با تمام پردازنده‌های گرافیکی و پردازنده‌های موجود در بازار دارد. این تراشه روشی همچون مغز انسان برای پردازش اطلاعات را مورد استفاده قرار می‌دهد.
IBM از جمله‌ی کمپانی‌هایی است که در پی ساخت تراشه‌ای با ساختاری مشابه مغز انسان استو این کمپانی در نظر دارد تا قدرت تصمیم‌گیری و هوش در تراشه‌های مورد نظر را با عملکردی مشابه مغز انسان راهی بازار کند، حال آنکه به نظر می‌رسد IBM در این امر به موفقیت‌هایی دست یافته است.
تراشه‌ی TrueNorth این کمپانی به گونه‌ای طراحی شده که قادر است همچون مغز انسان به پردازش اطلاعات بپردازد. IBM در حال انجام آزمایش‌ها و بنچمارک‌هایی است تا نشان دهد این تراشه به چه اندازه سریع بوده و قدرت پردازشی بالایی را در مقایسه با رایانه‌های مجهز به تراشه‌های کنونی دارد.
نتایج به دست آمده از این تراشه بسیار جالب توجه است. IBM اعلام کرده که این تراشه قادر است با استفاده از یادگیری عمیق، تصمیمات خود را براساس احتمالات و نتیجه‌گیری از موارد مختلف اتخاذ کند که از این نظر بسیار شبیه به مغز انسان کار می‌کند. TrueNorth در حالی چنین عملکردی دارد که تنها بخشی از انرژی مصرفی توسط تراشه‌های کنونی موجود در بازار را مورد استفاده قرار می‌دهد.
قابلیت یادگیری و پردازشی TrueNorth این امکان را فراهم کرده تا بتوان از این تراشه در تمام کاربردهایی استفاده کرد که نیاز به قدرت پردازشی این چنینی باشد. از جمله‌ی کاربردهای مورد نظر می‌توان به اینترنت اشیا، گوشی‌های هوشمند، رباتیک، خودروهای هوشمند، رایانش ابری و حتی ابررایانه‌ها اشاره کرد.
ابتدای سال جاری میلادی IBM تراشه‌ی خود را در قالب رایانه‌ای که NS16e نام داشت، به نمایش گذاشت. این رایانه قابلیت به کارگیری در کاربردهایی نظیر شناسایی الگو، زبان‌های طبیعی و تصاویر را داشت که از طریق بهره‌گیری از شبکه‌های عصبی در واحد پردازشی محقق شده بود.
تراشه TrueNorth بسیار بهینه‌تر از پردازنده‌های گرافیکی، FPGAها و پردازنده‌های مورد استفاده در سرورهای امروزی است که در کاربردهایی نظیر شناسایی تصاویر و صدا مورد استفاده قرار می‌گیرند. فیسبوک، گوگل، مایکروسافت و بیدو از یادگیری عمیق برای ایجاد پاسخ‌ها در جهت ارائه‌ی نتایج مرتبط با شناسایی تصاویر و صدا استفاده می‌کنند. اغلب سرورهای کنونی مورد استفاده از وجود پردازنده‌های گرافیکی استفاده می‌کنند که مصرفی قریب به ۱۵۰ وات دارد.
فرآیند استفاده از یادگیری ماشین و تراشه‌های مبتنی بر ساختار مغز انسان بسیار شبیه به روزهای ابتدایی توسعه بازی‌ها است. توسعه‌دهندگان تا چندی پیش بصورت مستقیم به پردازنده‌های گرافیکی دسترسی نداشته و ا زاین‌رو توانایی بهره‌برداری از ویژگی‌های پردازنده‌های گرافیکی را نداشتند. Vulkan با از میان برداشتن APIهای OpenGL و امکان استفاده از قابلیت‌های پردازنده‌های گرافیکی را فراهم آورده است.
