Išsamiai aprašomas dirbtinio intelekto skatinamas perėjimas prie pagreitinto skaičiavimo

Šiuo metu vyksta pagreitinto skaičiavimo aušra, žyminti permainų erą technologijų pasaulyje.

Kadangi dirbtinis intelektas ir mašininis mokymasis užima svarbiausią vietą, naujoviški aparatinės įrangos sprendimai ir naujos architektūros lenkia tradicinius skaičiavimo metodus.

„Tradiciniai bendrosios paskirties kompiuteriai yra kaip Šveicarijos armijos peilis“, – sakė Shehramas Jamalas (nuotraukoje), „Nvidia Corp.“ AI taikomųjų programų programinės įrangos produktų valdymo direktorius. Tai universalus metodas, kai tas pats procesorius naudojamas įvairioms užduotims nuo naršymo internete iki vaizdo įrašų redagavimo. Kita vertus, pagreitintas skaičiavimas yra tarsi specializuotas įrankis. Jis sukurtas taip, kad vienas dalykas būtų atliktas išskirtinai gerai.

Jamalas kalbėjosi su John Furrier iš „CUBE Research“. į AI infrastruktūros Silicio slėnis – vykdomosios serijos renginysišskirtinės laidos metust on theCUBE, SiliconANGLE Media tiesioginės transliacijos studijoje. Jie aptarė AI infrastruktūros evoliuciją, kaip pagreitintas skaičiavimas keičia pramonės šakas ir kokia ateitis laukia įmonių AI sistemoms.

Išsamus perėjimas prie pagreitinto skaičiavimo

Specializacija ir efektyvumas skatina pagreitinto skaičiavimo aparatinę įrangą. Architektūra sukurta remiantis specializuota aparatūra, tokia kaip GPU ir tenzorių apdorojimo įrenginiai. Šie procesoriai pasižymi lygiagrečiu apdorojimu, todėl jie geriau tinka dirbtinio intelekto užduotims, tokioms kaip mašininis mokymasis, duomenų analizė ir mokslinis modeliavimas. Pasak Jamalo, ši architektūra užtikrina greitesnį apdorojimo laiką, geresnį energijos vartojimo efektyvumą ir mažesnes sąnaudas, todėl pagreitintas skaičiavimas yra būtinas šiuolaikiniams AI darbo krūviams.

„Bendrosios paskirties skaičiavimas gali pritaikyti įvairias programas, tačiau gali susidoroti su didelio našumo užduotimis dėl ribotų lygiagretaus apdorojimo galimybių, o pagreitintas skaičiavimas turi tris pagrindines sąvokas, tokias kaip nevienalytė architektūra, lygiagretus apdorojimas ir efektyvumas“, – sakė jis. „CPU derinimas su specializuotais greitintuvais, pvz., GPU ir TPU, siekiant efektyviau valdyti tam tikrų tipų darbo krūvius, yra nevienalytė pagreitinto skaičiavimo architektūra.”

DI valdomų programų paklausa atskleidė tradicinio skaičiavimo apribojimus. Šiuolaikinės AI sistemos yra suprojektuotos kitaip nei ankstesnės iteracijos, todėl reikia specializuotos aparatinės ir programinės įrangos konfigūracijos. Pavyzdžiui, tokios programos kaip savarankiškai važiuojantys automobiliai, medicininė diagnostika ir virtualūs asistentai, tokie kaip „Siri“ ar „Alexa“, remiasi pagreitinto skaičiavimo galimybėmis, kad būtų užtikrintas našumas ir tikslumas realiuoju laiku, paaiškino Jamal.

„Iš esmės, naudodami pagreitintą skaičiavimą, galite kurti greitesnes ir išmanesnes programas“, – sakė jis. „Sveikatos priežiūrą galite pagerinti naudodami dirbtinio intelekto diagnostiką. Taip pat galite patobulinti pramogas. Ir tada yra ir išmanesnių namų įrenginių.

AI sistemų kontekste du dominuojantys procesai yra mokymas ir išvados. Mokymas panašus į modelio mokymą atpažinti modelius, pavyzdžiui, gyvūnus paveikslėliuose. Šis procesas reikalauja didžiulio duomenų kiekio ir skaičiavimo galios, todėl tai reikalauja daug išteklių. Kita vertus, išvados apima apmokyto modelio naudojimą naujų duomenų modeliams nustatyti, o tai yra daug greitesnis ir mažiau skaičiavimo reikalaujantis procesas.

Nors mokymas yra būtinas kuriant tikslius AI modelius, Anot Jamalo, išvados taps dominuojančiu naudojimo atveju. Kadangi dirbtinio intelekto modeliai tampa veiksmingesni naudojant tokius metodus kaip mokymosi perkėlimas, didelio perkvalifikavimo poreikis sumažės. Tačiau nuolatiniams modelių atnaujinimams ir patobulinimams vis tiek reikės tvirtos mokymo infrastruktūros, pažymėjo Jamalas.

„Sakyčiau, jie treniruoja S kreivę, kad išsilygintų, nes modeliai tampa veiksmingesni ir labiau specializuoti, o tokie metodai kaip mokymasis perkėlimui ir mokymasis iš kelių kartų tampa vis labiau paplitę“, – sakė jis.

Štai visas vaizdo interviu, dalis „SiliconANGLE“ ir „CUBE Research“ pranešimų apie AI infrastruktūros Silicio slėnis – vykdomosios serijos renginys:

Nuotrauka: SiliconANGLE