اپل API جدید هوش مصنوعی معرفی کرد

اپل API جدید هوش مصنوعی معرفی کرد

اپل از یک API جدید برای سرعت دادن به وظایف مرتبط با هوش مصنوعی در دستگاه‌های موبایل رونمایی کرد.

کدام نوع هوش مصنوعی معتبر است؟

کدام نوع هوش مصنوعی معتبر است؟

‌امروزه سه نوع هوش مصنوعی وجود دارد، که تنها دو نوع از آن در حال حاضر در زندگی ما تاثیر دارد. نوع سوم، در آینده زندگی ما را متحول خواهد کرد.

خودروهای هوشمند محیط اطراف خود را به چه شکل می‌بینند

خودروهای هوشمند محیط اطراف خود را به چه شکل می‌بینند

خودروهای هوشمند برای واکنش به اتفاقات پیرامون خود باید درک درستی از محیط اطراف داشته باشند. حال این سؤال پیش می‌آید که دنیای ما از نگاه این اتومبیل‌ها چگونه دیده می‌شود.

اپل در حال کار بر روی یک چیپ هوش مصنوعی است

اپل در حال کار بر روی یک چیپ هوش مصنوعی است

به گفته بلومبورگ اپل در حال کار بر روی یک چیپ هوش مصنوعی است. برای بررسی بیشتر این موضوع در ادامه با تکرا همراه باشید.

براساس گزارش‌های رسیده از منابع آگاه، به نظر می‌رسد که این شرکت آمریکایی تولید کننده محصولات دیجیتال قصد دارد چیپ جدیدی طراحی کند که تمرکز آن بر روی هوش مصنوعی است و به صورت معمولی همانند هوش انسان کار می کند. از توانایی‌های این چیپ می‌توان به تشخیص چهره و گفتار نیز اشاره کرد.

کمپانی اپل تحت ‌فشار است تا بار دیگر همانند آن زمان که با معرفی دستیار هوشمند خود یعنی سیری باعث شگفتی همگان شد، بار دیگر همه نگاه‌ها را به خود خیره کند. این اتفاق در ۴ اکتبر سال ۲۰۱۱ با معرفی گوشی بسیار محبوب آیفون ۴s رخ داد. از آن زمان تاکنون شرکت‌های زیادی پای خود را جای پای اپل گذاشته و هر کدام دستیار هوشمند خود را معرفی کردند تا رقابت در این حوزه به اوج خود برسد. از جمله این شرکت‌ها می‌توان به گوگل، آمازون، مایکروسافت و اخیرا هم سامسونگ اشاره کرد.

در حال حاضر شرکت اپل از همه‌ی توان پردازشی دستگاه از جمله واحد پردازنده مرکزی یعنی cpu و واحد گرافیکی برای رسیدگی به پردازش‌هایی که از هوش مصنوعی استفاده می‌کنند بهره می‌برد. اپل می‌تواند سرعت پردازش و عمر باتری را با ارائه یک چیپ اختصاصی برای همه کارهایی که به هوش مصنوعی نیاز دارند به شدت بالا ببرد.

یکی دیگر از غول‌های حوزه ساخت چیپ یعنی شرکت کوالکام نیز پیش‌تر با قرار دادن یک مدل در چیپست اسنپدراگون ۸۳۵ که هم اکنون بر روی گوشی‌های پرچم‌دار اندرویدی نظیر سامسونگ گلکسی S8 و S8 پلاس و اخیرا هم شایعه شده که این چیپ بر روی گوشی HTC U11 نیز قرار دارد، این کار را کرده بود.

همچنین به گفته منابع آگاه، اپل برنامه ریزی کرده تا به توسعه دهنده‌های مستقل پیشنهاد دهد تا به این پردازنده اختصاصی هوش مصنوعی دسترسی داشته باشند و از این طریق بتوانند اپلیکیشن های خود را با ویژگی‌های مجهز به هوش مصنوعی منتشر کنند.

تحلیلگر سابق اپل به نام Gee Munster به دلیل این موضوع که “چرا اپل در حال کار بر روی این پردازنده است”، اشاره می‌کند. او در این باره می‌گوید:

دو زمینه ای که اپل در زمینه هوش مصنوعی در حال سرمایه گذاری و برنامه ریزی بر روی آن است، یکی واقعیت افزوده و دیگری ماشین‌های خودران است که به هوش مصنوعی قوی نیازمند هستند.

در ماه آینده کنفرانس WWDC شرکت اپل برگزار خواهد شد و ممکن است بتوانیم اطلاعات بیشتری در زمینه چیپ های اختصاصی هوش مصنوعی این شرکت بدست آوریم. شرکت اپل همچنین در تدارک است تا در کنفرانس سالانه خود که قرار است در روزهای ۵ تا ۹ ماه ژوئن برگزار شود از آخرین نسخه سیستم عامل گوشی‌های آیفون یعنی iOS 11 نیز را رونمایی کند.

درباره پردازنده ها بیشتر بخوانید

.

منبع : phoneArena

مطلب اپل در حال کار بر روی یک چیپ هوش مصنوعی است برای اولین بار در وب سایت تکرا - اخبار روز تکنولوژی نوشته شده است.

اپل شرکت هوش مصنوعی Lattice Data را به مبلغ ۲۰۰ میلیون دلار خریداری کرد

اپل شرکت هوش مصنوعی Lattice Data را به مبلغ 200 میلیون دلار خریداری کرد

کمپانی بزرگ اپل، اخیرا شرکت هوش مصنوعی Lattice Data را خریداری کرده است؛ این سرمایه گذاری می تواند در بهبود و توسعه عملکرد دستیار مجازی سیری موثر باشد.

بنا بر گزارشی که روز شنبه منتشر شده، این غول آمریکایی مبلغ ۲۰۰ میلیون دلار را برای خریداری این شرکت هوش مصنوعی هزینه کرده که شامل استخدام ۲۰ مهندس جدید نیز می شود. این کمپانی در تبدیل دارک دیتا (مثل پیام های کوتاه و تصاویر) به داده های ساختار یافته که مفیدتر هستند، نقش دارد. برای درک بهتر این موضوع، تمامی داده های موجود را به عنوان اطلاعات بی هویتی فرض کنید که می توان با قرار دادن آنها در یک ناحیه ی معلوم، به راحتی از آنها استفاده کرد. این همان کاریست که شرکت Lattice انجام می دهد.

برای مثال، هر نفر به صورت روزانه، حجم زیادی از زباله را تولید می کند؛ این نیز به همان شکل است، هر کدام از ما در واقع، حجم زیادی از دارک دیتا یا داده های تاریک را تولید می کنیم. در سال ۲۰۱۳، چیزی نزدیک به ۴.۴ زتابایت داده ی سرگردان وجود داشت. شرکت IBM اعلام کرده است که این میزان در سال ۲۰۲۰ به ۴۴ زتابایت می رسد. به گزارش Big Blue، نود درصد از حجم امروزی، تنها در عرض دو سال به وجود آمده که ۸۰ درصد از آنها، از نوع دارک دیتاست. یک زتابایت معادل ۱ تریلیون گیگابایت است.

سرمایه گذاری اپل در این شرکت می تواند به تقویت توانایی های سیری به عنوان یک دستیار هوش مصنوعی کمک کند؛ این دستیار باید بتواند به پرسش های دشوارتر نیز پاسخ دهد. این دستیاران مجازی که از جمله آنها باید به دستیار مجازی گوگل (Google Assistant)، کورتانا (مایکروسافت)، سیری (اپل) و الکسا (آمازون) اشاره کرد، از عرصه ی گوشی های هوشمند فراتر رفته و پا به دنیای خانه های هوشمند گذاشته اند. دستیارانی همچون آمازون اکو و گوگل هوم در حال حاضر، راه اندازی شده و به خانه ها راه یافته اند. اسپیکر هوشمند اپل نیز که بر مبنای سیری قرار دارد، در رویداد کنفرانس جهانی توسعه دهندگان اپل WWDC 2017 که ماه آینده برگزار می شود، رونمایی خواهد شد. به توجه به این بازار رقابت داغ، اپل امیدوار است که با این سرمایه گذاری جدید بتواند عملکرد سیری را تقویت کرده و از رقیبان خود سبقت بگیرد.

.

منبع: phonearena

مطلب اپل شرکت هوش مصنوعی Lattice Data را به مبلغ ۲۰۰ میلیون دلار خریداری کرد برای اولین بار در وب سایت تکرا - اخبار روز تکنولوژی نوشته شده است.

اپل خرید شرکت فعال در زمینه هوش مصنوعی را با قیمت ۲۰۰ میلیون دلار تایید کرد

اپل خرید شرکت فعال در زمینه هوش مصنوعی را با قیمت 200 میلیون دلار تایید کرد

بنابر گزارشات، اپل شرکت Lattice Data فعال در زمینه هوش مصنوعی را خریداری کرده است. گزارش منتشر شده به خرید این شرکت به مبلغ 200 میلیون دلار اشاره کرده است. اپل 20 نفر از مهندسان خود را روانه این شرکت می‌کند. این کمپانی اطلاعات “تاریک” را شامل متون و تصاویر را تبدیل به اطلاعات ساختار یافته می‌کند. به‌عبارت دیگر، این شرکت تمامی اطلاعاتی که دارای برچسب نیستند را طبقه‌بندی و قابل استفاده می‌کند.

ما حجم زیادی از اطلاعات تاریک ایجاد می‌کنیم، برای مثال در سال 2013 به‌میزان 4.4 زتابایت اطلاعات تاریک تولید کرده‌ایم. براساس گفته‌های آی‌بی‌ام، تا سال 2020 این میزان اطلاعات به 44 زتابایت می‌رسد. براساس گزارشات 90 درصد از اطلاعات موجود در 2 سال اخیر ایجاد شده که 80 درصد آن تاریک هستند. هر ترابایت برابر با 1 تریلیون گیگابایت است.

به احتمال زیاد خریداری Lattice Data به سیری در پاسخ به سوالات پیچیده کمک خواهد کرد. دستیارهای مجازی شخصی شامل گوگل اسیستنت، کورتانا، سیری و الکسا در بسیاری از گوشی‌های هوشمند و تبلت‌ها یافت می‌شوند. علاوه‌بر این دستگاه‌ها، می‌توان آن‌ها را در اسپیکرهایی همانند آمازون اکو، گوگل هوم و هارمن کاردن Invoke و اسپیکر جدید اپل که احتمالا در کنفرانس WWDC 2017 معرفی خواهد شد، یافت.

نوشته اپل خرید شرکت فعال در زمینه هوش مصنوعی را با قیمت 200 میلیون دلار تایید کرد اولین بار در پدیدار شد.

پیش‌بینی اختلافات خانوادگی با تلفن همراه و الگوریتم جدید

پیش‌بینی اختلافات خانوادگی با تلفن همراه و الگوریتم جدید

اپلیکیشن‌های تلفن‌های هوشمند سرانجام می‌توانند مشاجره بین زوج‌ها را پیش‌بینی و قبل از اینکه مشکل جدی ایجاد شود به آن‌ها کمک کنند. برای اولین بار بیرون از محیط آزمایشگاهی، پژوهشگران با استفاده از هوش مصنوعی توانسته‌اند الگوهایی را در حرف‌ها و علائم فیزیولوژیکی زوج‌ها شناسایی و با استفاده از آن امکان بروز اختلاف در رابطه میان آن‌ها را پیش‌بینی کنند.

بیشتر آزمایش‌های مربوط به تشخیص بروز اختلاف با زوج‌های واقعی در شرایط کنترل شده و در آزمایشگاه‌های روانشناسی انجام شده است.

پژوهشگران دانشگاه کالیفرنیای جنوبی (USC) در پروژه Couple Mobile Sensing  رویکرد متفاوتی را اتخاذ کرده‌اند، آن‌ها زوج‌ها را در شرایط زندگی عادی مورد مطالعه قرار داده و از ابزارهای پوشیدنی و گوشی‌های هوشمند برای جمع‌آوری داده‌ها استفاده کرده‌اند. نتایج اولیه آن‌ها در این حوزه با مطالعه روی 34 زوج نشان داده است که می‌توان با ترکیب ابزارهای پوشیدنی و هوش ‌مصنوعی مبتنی بر یادگیری ماشین (AI) در آینده از برنامه‌های گوشی‌های هوشمند به عنوان مشاور برای رابطه‌ میان زوج‌ها استفاده کرد.

آدلا تیمونز، دانشجوی دکتری روانشناسی کلینیکی دانشگاه USC بیان کرد که با مدلی که در حال حاضر در اختیار داریم می‌توانیم بروز اختلاف را در زمان اتفاق افتادن تشخیص دهیم اما هنوز نتوانسته‌ایم قبل رخ دادن آن را پیش‌بینی کنیم.

او همچنین گفت: در قدم بعدی ما امیدوار هستیم که بتوانیم بروز اختلاف را پیش‌بینی کنیم و به صورت زمان واقعی برای زوج‌ها پیام‌های هشداری را بفرستیم تا در نهایت بتوانیم بروز اختلاف را کاهش داده یا حتی از وقوع آن جلوگیری کنیم.

پیش‌بینی مسائل پیچیده‌ای مثل اختلاف میان زوج‌ها در دنیای واقعی کار ساده‌ای نیست، برای همین الگوریتم‌های یادگیری ماشینی که به طور خودکار می‌توانند الگوها را از داده‌ها استخراج کنند به محققان کمک می‌کنند تا گفتار زوج‌ها و سایر شاخص‌های فیزیولوژیکی مثل ضربان قلب یا میزان هدایت (الکتریکی) پوست را بررسی کنند.

قبل از آموزش الگوریتم مبتنی بر یادگیری ماشین با استفاده از داده‌ها، محققان باید ویژگی‌های کلیدی را که با تمرکز بر آن‌ها می‌توان نتایج بهتری را به دست آورد مشخص کنند.

مطالعات روان‌شناختی گذشته نشان داده ‌است که بروز اختلاف میان زوج‌ها با علائم فیزیولوژیکی برانگیخته شده مثل بالا رفتن ضربان قلب و میزان هدایت الکتریکی پوست همراه است. تیمونز بیان می‌کند که در هنگام مشاجره، زوج‌ها از بعضی جمله‌‌های خاص استفاده می‌کنند، مثلا ضمایر دوم شخص مثل “تو” و کلمات احساسی منفی و همچنین کلماتی که بیان‌گر یقین هستند مثل “همیشه” و “هرگز”.

به 34 زوجی که به طور شبانه‌روزی در این آزمایش شرکت کردند ابزار‌های پوشیدنی مثل مچ‌بند برای اندازه‌گیری میزان هدایت الکتریکی پوست و دمای بدن داده شده است. سنسور دیگری برای اندازه‌گیری ضربان قلب روی سینه فرد قرار می‌گیرد. علاوه بر این به هرکدام از زوج‌ها یک گوشی همراه هوشمند برای جمع‌آوری صدای مکالمه بین آن‌ها داده ‌شده است. وقتی که یک مشاجره واقعی بین زوج‌‌ها رخ می‌دهد، آن‌ها باید گزارش دهند.

نتایج اولیه به دست آمده امیدبخش بوده ‌است و به طور کلی با مطالعات گذشته روانی و تئوری‌های که در مورد بروز اختلاف میان زوج‌ها بیان شده‌، همخوانی دارد. به طور مثال میزان صحت تشخیص بروز مشاجره بین زوج‌ها با استفاده از کلمات احساسی منفی که در گفتار آن‌ها بیان می‌شود، 62.3 درصد است. زمانی که الگوریتم یادگیری ماشین همه داده‌هایی را که از شاخص‌های مختلف به دست آورده، همراه با کلمات احساسی منفی آنالیز می‌کند درصد صحت 79.3 حاصل می‌شود.

تیمونز بیان می‌کند که این الگوریتم مبتنی بر یادگیری ماشین است و برای طبقه‌بندی صحیح و تشخیص درست بروز اختلاف نیاز به داده‌های بیشتری دارد.

صحت 79.3 درصد برای اینکه در آینده اپلیکیشن‌ها بتوانند به عنوان مشاور همراه عمل کنند، هنوز درصد پایینی است. تئودورا چسپاری دانشجوی دکتری تجزیه‌وتحلیل سیگنال دانشگاه USC و مسئول دیگر این پروژه بیان کرد که تشخیص اشتباه بروز اختلاف می‌تواند هشداری غیرضروری را ایجاد کند، اما صحت بالایی که از ترکیب داده‌های مختلف حاصل شده، رویکرد کلی را تایید می‌کند.

یکی از چالش‌هایی که محققان با آن روبه‌رو هستند این است که داده‌های زندگی واقعی زوج‌ها را چگونه بررسی کنند زیرا این اطلاعات بسیار آشفته‌تر از اطلاعاتی است که در آزمایشگاه جمع‌آوری می‌شود. همیشه امکان دارد که مقداری از اطلاعات از بین برود، به طور مثال ممکن است زوج‌ها گوشی‌های هوشمند خود را برای حفظ حریم شخصی خاموش کنند. چسپار امیدوار است با داده‌های بیشتری که جمع‌آوری می‌کند بتواند به الگوریتم یادگیری ماشین کمک کند تا اشکالات خود را برطرف کرده و میزان صحت آن را بالا ببرد.

سرانجام تشخیص صحیح، الگوریتم را قادر می‌سازد تا بروز اختلاف را قبل از این‌که حتی خود زوج‌ها مطلع شوند، پیش‌بینی کند. قدم بعدی تیم این است که داده‌های اضافی را جمع کند تا میزان صحت الگوریتم فعلی را بالا ببرد.

نوشته پیش‌بینی اختلافات خانوادگی با تلفن همراه و الگوریتم جدید اولین بار در پدیدار شد.

هوش مصنوعی در پیش‌بینی حملات قلبی از پزشکان دقیق‌تر عمل ‌می‌کند

هوش مصنوعی در پیش‌بینی حملات قلبی از پزشکان دقیق‌تر عمل ‌می‌کند

هر ساله نزدیک به ۲۰ میلیون نفر در جهان بر اثر بیماری‌های قلبی عروقی جان خود را از دست می‌دهند. خوشبختانه گروهی از محققان در دانشگاه ناتینگهام انگلستان موفق به توسعه یک الگوریتم یادگیری ماشین شده‌اند که قادر به پیش‌بینی احتمال حمله قبلی در افراد همانند یک پزشک است.

کالج قلب شناسی آمریکا (ACC) به همراه انجمن قلب و عروق آمریکا (AHA) پیش از این با استفاده از چندین دستورالعمل موفق به پیش‌بینی احتمال وقوع حمله قلبی در بیماران شده بود. این پیش‌بینی بر اساس هشت فاکتور از جمله سن، میزان کلسترول و فشار خون عمل می‌کند. به طور کلی این این روش در ۷۲.۸ درصد موارد پیش‌بینی درستی از احتمال وقوع حملات قلبی در بیماران انجام می‌دهد.

اگرچه این مقدار دقت در پیش‌بینی را می‌توان قابل قبول و دقیق دانست، با این حال استفان ونگ و تیمش توانسته‌اند این پیش‌بینی را دقیق‌تر صورت دهند. در حقیقت آن‌ها با توسعه چهار الگوریتم یادگیری ماشین و استفاده از داده‌های مرتبط با ۳۷۸،۲۵۶ بیمار از انگلستان توانستند به این موفقیت دست یابند. در این روش از داده‌های ۲۹۵ هزار بیمار برای یادگیری یا ساخت مدل و از بقیه داده‌ها برای آزمون و تست مدل استفاده شده است. نتایج حاصل از تست روش پیشنهادی ونگ و تیمش نشان از پیش‌بینی دقیقتر نسبت به روش‌ ACC/AHA دارد. به عبارت دیگر میزان دقت این روش در پیش‌بینی بین ۷۴.۵ تا ۷۶.۴ درصد متغیر است.

به جز ۸۳ هزار بیماری که از داده‌های مرتبط با آن‌ها برای تست مدل یادگیری شده استفاده گردید، این روش پیشنهادی می‌تواند ۳۵۵ هزار زندگی را نجات بخشد. در حقیقت روش‌های مبتنی بر هوش مصنوعی می‌توانند با شناسایی برخی از فاکتورهای پرخطر مانند بیماری‌های روانی و مصرف کورتیکواستروئید‌ها، پیش‌بینی‌ها را بهتر از دستورالعمل‌های پزشکی موجود انجام دهند.

به گفته استفان ونگ، در سیستم‌های بیولوژیکی از جمله بدن انسان ارتباط گسترده‌ای بین اجزای آن وجود دارد و به کمک علوم کامپیوتر می‌توان این ارتباطات را به خوبی کشف کرد.

نوشته هوش مصنوعی در پیش‌بینی حملات قلبی از پزشکان دقیق‌تر عمل ‌می‌کند اولین بار در پدیدار شد.

گوگل در یک موسسه هوش مصنوعی کانادایی ۵ میلیون دلار سرمایه گذاری کرد

گوگل در یک موسسه هوش مصنوعی کانادایی 5 میلیون دلار سرمایه گذاری کرد

گوگل اعلام کرد که اخیرا 5 میلیون دلار در موسسه Vector کانادا که در حوزه هوش مصنوعی فعالیت می‌کند، سرمایه گذاری کرده است.

جفری هینتون، از مهندسین گوگل و مشاورین موسسه وکتور، در پستی وبلاگی توضیح داد که این سرمایه گذاری گام دیگری در تلاش گوگل برای توسعه حوزه هوش مصنوعی است. هم‌چنین هینتون اظهار کرد که علاوه بر سرمایه گذاری انجام شده در این موسسه تازه کار، گوگل دفتر دیگری را در خصوص برنامه یادگیری عمیق در کانادا افتتاح کرده که Google Brain Toronto نام دارد. هینتون بدون ذکر جزییات فعالیت‌های این دفتر جدید اظهار کرد که این گروه وظیفه دارد راهکارهایی برای رفع موانع فعلی موجود بر سر راه محققان هوش مصنوعی بیابد.

این غول اینترنتی وعده داده است که به سرمایه گذاری در حوزه رو به رشد هوش مصنوعی در کانادا با انتشار یافته‌های مرتبط و یاری محققان برای استفاده از TensorFlow، آرشیو نرم افزار منبع باز یادگیری ماشینی و هوش مصنوعی گوگل ادامه دهد. در حالی که دفتر جدید گوگل در تورنتو بر چالش‌های عمده مرتبط با هوش مصنوعی تمرکز خواهد داشت، مرکز تحقیقاتی قدیمی آن به کار در این حوزه هم‌چنان ادامه خواهد داد. سرمایه گذاری 5 میلیون دلاری گوگل فقط بخش کوچکی از سرمایه 150 میلیون دلاری جذب شده توسط موسسه وکتور است. فعالیت‌های این موسسه می‌تواند به دستیابی به ایده‌هایی منجر شود که به پیشرفت صنایع گوناگون خواهد انجامید.

این سرمایه گذاری جدید گوگل در مدت کوتاهی پس از سرمایه گذاری 4.5 میلیون دلاری این کمپانی در یک موسسه هوش مصنوعی دیگر در کانادا در نوامبر گذشته صورت می‌گیرد. تاکید فزاینده گوگل بر هوش مصنوعی سرمایه گذاری‌های متعدد این کمپانی را در سراسر دنیا به همراه داشته و به تدریج نیز رو به افزایش است. در حالی که بعید به نظر می‌رسد که مصرف کنندگان در کوتاه مدت از نتایج تحقیقات موسسه وکتور نفعی ببرند اما قطعا نتایج دستاوردهای آن در طولانی مدت در پیشرفت این فناوری نوظهور تاثیرگذار خواهد بود.

نوشته گوگل در یک موسسه هوش مصنوعی کانادایی 5 میلیون دلار سرمایه گذاری کرد اولین بار در پدیدار شد.

پردازنده‌های جدید ARM آینده‌ای قدرتمند برای هوش مصنوعی رقم خواهند زد

پردازنده‌های جدید ARM آینده‌ای قدرتمند برای هوش مصنوعی رقم خواهند زد

بسیاری از گجت های هوشمندی که ما امروزه از آن‌ها استفاده می‌کنیم، از تکنولوژی پردازشگر ARM بهره می‌برند و حالا این کمپانی اهداف آینده خود را با معرفی DynamIQ نشان می‌دهد.

این تکنولوژی در ابتدا برای کمک به هوش مصنوعی و سیستم‌های مبتنی بر یادگیری ماشینی که به‌زودی آن را در خودروها، گوشی‌های هوشمند و کنسول‌های بازی خواهیم دید، هدف‌گذاری شده و ARM می‌گوید که یک سیر تکاملی برای تکنولوژی big.Little است.

تکنولوژی big.Little که نخستین بار در سال 2011 معرفی شد، امکان طراحی چیپ‌های مجتمعی را فراهم کرد که هسته‌هایی قدرتمند و پرمصرف را برای پردازش‌های سنگین و هسته‌های کوچک‌تر و کم‌مصرف را برای مواقعی که دستگاه پردازشی انجام نداده و در حالت استندبای است، در خود می‌گنجاند.

به لطف همین معماری است که اکنون می‌توانید در گوشی خود ویدئوهای اچ‌دی و حتی 4K را تماشای و ویرایش کنید و درعین‌حال گوشی شما تمام شب را بدون اینکه شارژ باتری تمام شود، در حالت اسلیپ یا استندبای روشن بماند. DynamIQ استراتژی خاصی را برای پردازنده تبیین می‌کند تا با ترکیب کردن عملکرد هسته‌ها، دستگاه را برای هرگونه پردازشی آماده نماید.

با استفاده از این تکنولوژی می‌توان ترکیب‌های یک + سه (چهار) و یک + هفت (هشت) را به وجود آورد که هر هسته به‌صورت جداگانه عملکرد و مصرف انرژی خود را دارد.

طبق ادعای کمپانی ARM، با استفاده از این ترکیب‌ها می‌توان نیازهای هوش مصنوعی را پاسخ داد و طی 3 تا 5 سال آینده عملکرد آن را تا 50 برابر و عملکرد پردازنده و «شتاب‌دهنده سخت‌افزار» را تا 10 برابر بهبود بخشید. این موضوع اهمیت زیادی دارد به‌ویژه هنگامی‌که یکی از این چیپ ها از یادگیری ماشینی بهره می‌گیرد تا خودروی شما را به‌پیش رانده و موانع و خطرات را شناسایی کند.

این تکنولوژی می‌تواند برای ARM و کمپانی‌هایی که از آن استفاده می‌کنند (نظیر کوالکام، انویدیا، سامسونگ، اپل و اینتل) سودمند باشد چراکه ARM اعلام کرده که بین سال‌های 2013 تا 2017، 50 میلیارد عدد از چیپ های مبتنی بر ARM را به فروش رسانده و انتظار دارد میزان فروش آنها تا سال 2021 به 100 میلیارد عدد برسد.

نوشته پردازنده‌های جدید ARM آینده‌ای قدرتمند برای هوش مصنوعی رقم خواهند زد اولین بار در پدیدار شد.