Поскольку мир стремится использовать новейшую волну технологий искусственного интеллекта, одна часть высокотехнологичного оборудования стала на удивление ходовым товаром: графический процессор или графический процессор.

Первоклассный графический процессор можно продать за десятки тысяч долларов, а ведущий производитель Nvidia увидел свою рыночную оценку превысить 2 триллиона долларов поскольку спрос на ее продукцию растет.

Графические процессоры — это не просто высококачественные продукты искусственного интеллекта. Менее мощные графические процессоры также есть в телефонах, ноутбуках и игровых консолях.

Сейчас вы, вероятно, задаетесь вопросом: что такое графический процессор на самом деле? И что делает их такими особенными?

Что такое графический процессор?

Первоначально графические процессоры были разработаны в первую очередь для быстрого создания и отображения сложных 3D-сцен и объектов, например, используемых в видеоиграх и системы автоматизированного проектирования программное обеспечение. Современные графические процессоры также справляются с такими задачами, как декомпрессия видеопотоки.

«Мозгом» большинства компьютеров является микросхема, называемая центральным процессором (ЦП). Процессоры можно использовать для создания графических сцен и распаковки видео, но они обычно гораздо медленнее и менее эффективны при выполнении этих задач по сравнению с графическими процессорами. Процессоры лучше подходят для общих вычислительных задач, таких как обработка текста и просмотр веб-страниц.

Чем графические процессоры отличаются от процессоров?

Типичный современный процессор состоит из процессора от 8 до 16 дюймов.цвета», каждый из которых может последовательно обрабатывать сложные задачи.

С другой стороны, графические процессоры имеют тысячи относительно небольших ядер, которые предназначены для одновременной работы («параллельно») для достижения общей быстрой обработки. Это делает их хорошо подходящими для задач, требующих большого количества простых операций, которые можно выполнять одновременно, а не одну за другой.

Традиционные графические процессоры бывают двух основных разновидностей.

Во-первых, существуют автономные чипы, которые часто входят в состав дополнительных плат для больших настольных компьютеров. Во-вторых, это графические процессоры, объединенные с центральным процессором в одном корпусе микросхем, которые часто встречаются в ноутбуках и игровых консолях, таких как PlayStation 5. В обоих случаях процессор контролирует работу графического процессора.

Почему графические процессоры так полезны для искусственного интеллекта?

Оказывается, графические процессоры можно перепрофилировать не только для создания графических сцен.

Многие из методов машинного обучения, лежащих в основе искусственный интеллект, Такие, как глубокие нейронные сети, в значительной степени полагаются на различные формы умножения матриц.

Это математическая операция, при которой очень большие наборы чисел умножаются и суммируются. Эти операции хорошо подходят для параллельной обработки и, следовательно, могут выполняться графическими процессорами очень быстро.

Что будет дальше с графическими процессорами?

Возможности графических процессоров в обработке чисел неуклонно растут из-за увеличения количества ядер и их рабочих скоростей. Эти улучшения в первую очередь обусловлены улучшениями в производстве чипов такими компаниями, как TSMC в Тайване.

Размер отдельных транзисторов — основных компонентов любого компьютерного чипа — уменьшается, что позволяет разместить больше транзисторов в том же объеме физического пространства.

Однако это еще не вся история. Хотя традиционные графические процессоры полезны для вычислительных задач, связанных с искусственным интеллектом, они не оптимальны.

Подобно тому, как графические процессоры изначально были предназначены для ускорения компьютеров путем специализированной обработки графики, существуют ускорители, предназначенные для ускорения задач машинного обучения. Эти ускорители часто называют графическими процессорами центров обработки данных.

Некоторые из самых популярных ускорителей, созданных такими компаниями, как AMD и Nvidia, изначально представляли собой традиционные графические процессоры. Со временем их конструкции развивались, чтобы лучше справляться с различными задачами машинного обучения, например, за счет поддержки более эффективных «технологий машинного обучения».мозговой поплавок» числовой формат.

Другие ускорители, такие как Google блоки тензорной обработки и Тенторрент Тенсикс ядер, были разработаны с нуля для ускорения глубоких нейронных сетей.

Графические процессоры центров обработки данных и другие ускорители искусственного интеллекта обычно имеют значительно больше памяти, чем традиционные дополнительные карты графического процессора, что имеет решающее значение для обучения крупных моделей искусственного интеллекта. Чем крупнее модель ИИ, тем она более функциональна и точна.

Чтобы еще больше ускорить обучение и обрабатывать еще более крупные модели искусственного интеллекта, такие как ChatGPT, многие графические процессоры центров обработки данных можно объединить в суперкомпьютер. Для этого требуется более сложное программное обеспечение, чтобы правильно использовать имеющиеся возможности обработки чисел. Другой подход заключается в том, чтобы создать один очень большой ускоритель, такой как "пластинчатый процессор» производства Cerebras.

Будущее за специализированными чипами?

Процессоры тоже не стоят на месте. Последние процессоры AMD и Intel имеют встроенные инструкции низкого уровня, которые ускоряют обработку чисел, необходимую глубоким нейронным сетям. Эта дополнительная функциональность в основном помогает решать задачи «вывода», то есть использовать модели ИИ, которые уже были разработаны где-то еще.

В первую очередь для обучения моделей ИИ по-прежнему необходимы большие ускорители, подобные графическим процессорам.

Можно создавать все более специализированные ускорители для конкретных алгоритмов машинного обучения. Недавно, например, компания Groq выпустила «языковой процессор(LPU), специально разработанный для запуска больших языковых моделей по типу ChatGPT.

Однако создание этих специализированных процессоров требует значительных инженерных ресурсов. История показывает, что использование и популярность любого конкретного алгоритма машинного обучения имеет тенденцию достигать пика, а затем снижаться, поэтому дорогое специализированное оборудование может быстро устареть.

Однако для обычного потребителя это вряд ли станет проблемой. Графические процессоры и другие чипы в используемых вами продуктах, скорее всего, будут постепенно становиться быстрее.

Эта статья переиздана из Беседа под лицензией Creative Commons. Прочтите оригинал статьи.

Изображение Фото: Nvidia

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://singularityhub.com/2024/03/13/what-is-a-gpu-the-chips-powering-the-ai-boom-and-why-theyre-worth-trillions/