گوگل نخستین تراشه‌ی پردازشگر تنسور (TPU) خود را به مدار زمین فرستاد. این ماهواره‌ی نمونه‌ساز که توسط Planet Labs ساخته شده، امروز با موشکی از SpaceX از کالیفرنیا پرتاب شد.

هدف، اثبات عملکرد TPU در فضای بیرونی است: تأمین یک کیلووات توان پیوسته، خنک‌سازی تراشه، و اجرای چند مدل برای بررسی خطاها. تراویس بیلز، مدیر پروژه‌ی Suncatcher در گوگل، می‌گوید: «تست‌های زمینی را انجام داده‌ایم، اما هیچ تستی به‌اندازه‌ی خودِ واقعیت نیست.»

این ماهواره پس از فعال‌سازی، TPU را در بازه‌های ۱۵ دقیقه‌ای روشن می‌کند تا فشار به سیستم‌های توان و حرارتی وارد نشود. گوگل و Planet Labs روی نسخه‌ی نمایشی دیگری برای پرتاب در سال آینده کار می‌کنند که دو ماهواره‌ی تخصصی‌تر خواهد بود و از طریق لینک ارتباطی لیزری با یکدیگر همکاری می‌کند. چشم‌انداز نهایی، شبکه‌ای از ۸۱ ماهواره است که در آرایش نزدیک پرواز کرده و به‌صورت موازی پردازش می‌کنند.

۱,۸۰۰ پرتاب Starship تا داده‌سازهای مداری اقتصادی#

گوگل هم‌زمان مقاله‌ی همتا-داوری‌شده‌ای درباره‌ی داده‌سازهای مداری منتشر کرده که در مجله‌ی Joule به چاپ می‌رسد. بر اساس این تحلیل، شرکت برای رسیدن به هزینه‌ی پرتاب حدود ۲۰۰ دلار به ازای هر کیلوگرم تا سال ۲۰۳۵، به SpaceX نیاز دارد. با فرض منحنی یادگیری سالانه‌ی ۲۰ درصدی که از زمان Falcon 1 تاکنون محقق شده، Starship باید ۳۷۰ هزار تن بار به مدار بفرستد — معادل حدود ۱,۸۰۰ پرتاب در ده سال آینده، یا سالانه ۱۸۰ پرواز، به شرط آنکه هر مأموریت ۲۰۰ تن بار حمل کند.

این در حالی است که Starship هرگز بیش از پنج بار در یک سال پرواز نکرده است. گوگل در مقاله‌اش تأکید می‌کند این تحلیل یک مطالعه‌ی امکان‌سنجی اقتصادی نیست.

تابش: مشکل آموزش مقیاس‌کلان، نه استنتاج#

گوگل پس از آنکه فهمید پیکربندی تراشه‌ها در تست‌ها محافظت بیشتری از آنچه در عمل تجربه می‌شود فراهم می‌کند، آزمایش‌های تابشی را با شتاب‌دهنده‌ی ذرات تکرار کرد. خطاها در مدارهای منطقی کمی بیشتر شد، اما بیلز می‌گوید نرخ خطا برای استنتاج معمولی «یک در میلیون» است. با این حال، برای آموزش مقیاس‌کلان با هزاران تراشه در طول ماه‌ها، این نرخ خطا «مشکل‌ساز» است.

خوانش تحریریه#

این خبر بیشتر یک اعلام‌نامه‌ی بلندمدت است تا یک پیشرفت فنی. گوگل عملاً می‌گوید: «ما برای آینده‌ای آماده می‌شویم که هنوز وجود ندارد.» برای کسی که امروز با ابزارهای موجود ایجنت یا اتوماسیون می‌سازد، چیزی در عمل تغییر نمی‌کند. اما دو نکته قابل‌توجه است: نخست، گوگل رسماً پذیرفته که آموزش مقیاس‌کلان در فضا فعلاً ممکن نیست و فقط استنتاج عملی است. دوم، عدد ۱,۸۰۰ پرتاب Starship آنقدر بزرگ است که عملاً یعنی کل برنامه‌ی Suncatcher به پیشرفت SpaceX گره خورده و هر تأخیری در Starship، این پروژه را عقب می‌اندازد.

منبع: TechCrunch AI